面向对象信息提取的共性技术研究

影像信息提取之——面向对象特征提取

同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本专题以ENVI中的面向对象的特征提取FX工具为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ●面向对象分类技术概述 ● ENVI FX简介 ● ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：对象构建和对象的分类。 影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于规则（知识）分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等对象属性信息。基于规则（知识）分类也是根据影像对象的属性和阈值来设定规则进行分类。 表1为三大类分类方法的一个大概的对比。

遥感专题讲座——影像信息提取(四、面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。

面向对象特征提取

面向对象特征提取 1、启动eCognition，选择Rule Set Mode。 2、新建工程：File -> New Project或者点击按钮，选择影像or_196560080.tif，确定。

3、界面布局：选择Classification -> Class Hierarchy，打开类层次视图；选择Image Objects -> Image Objects Information，打开目标信息视图；选择Process -> Process Tree，打开进程树视图；选择Tools -> Feature View，打开特征视图。通过拖拽，形成下面的工作界面：

4、设置尺度参数：设置三个分割尺度，分别是100，70，50，三个尺度对应的层次分别命名为L1，L2，L3。 5、第一尺度（100）分割：在Process Tree中右键，选择Append New，在Algorithm中选择Segmentation -> multiresolution segmentation，Image Object Domain中选择Pixel Level，而Algorithm parameters中的Level Name命名为L1，Scale Parameter设为100，Shape设为0.2， Compactness设为0.5，如下图所示： 点击OK后，Process Tree中会多出一条记录，如下：

在该记录上点击右键，选择Execute，即按照设定的参数进行分割，分割的效果如下： 6、第二尺度（70）分割：在eCognition的尺度分层规则中，大尺度对应的层摆在最上面，小尺度的层摆在下面。在Process Tree中右键，选择Append New，在Algorithm中选择Segmentation -> multiresolution segmentation。由于第二尺度对应为第二层次，因此其应该在第一层（L1）下面，所以Image Object Domain中选择image object level，Level设置为L1，而Algorithm parameters中的Level Name命名为L2，Level Usage 设置为Create below，Scale Parameter设为70，Shape设为0.2，Compactness设为0.5，如下图所示： 按第5步的步骤运行该尺度的分割，可以得到该尺度下的分割结果。 7、第三尺度（50）分割：与第6步一样，只不过Image Object Domain中的Level设置为L2，Algorithm parameters中的Level Name设置为L3，Scale parameter设置为50，如下图：

基于决策树的面向对象变化信息自动提取研究

基于决策树的面向对象变化信息自动提取研究 张雨霁①②，李海涛②，顾海燕② （①辽宁工程技术大学测绘与地理科学学院，阜新，123000; ②中国测绘科学研究院，北京，100039） 摘要：为了从不同时相的遥感影像数据中自动地提取变化信息且保证其效率，本文结合面向对象分析技术，提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集，将其作为知识库应用到决策树控制模型中，进而利用该模型实现自动分类。对所得到的分类后影像对象，组织分析其综合属性并作为决策规则再次分类，通过“双重分类”的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。 关键词：变化检测;面向对象;决策树;特征指数 Research on Object-Based Analysis of Automatic Change Information Extraction Based on Decision Tree ZHANG Yuji①②，LI Haitao②, GU Haiyan② （①Liaoning Technical University, Fuxin, 123000; ②Chinese Academy of Surveying and Mapping, Beijing, 100830） Abstract: In order to extract change information automatically from the different time remote sensing images and ensure the efficiency, a new automatic extraction method which is combined with the Object-Based Image Analysis technology based on the Decision Tree is presented in this paper. This method uses the features index and shape, spectral, texture of the image as a feature set to establish the decision tree model for automatic classification. Organize and analyse the synthesized attribute of image objects classified above, then use it as the decision rule to make classification the second time. We can bring about the automatic exaction of image change information by ‘double classification’ which is based on the Object-Based Image Analysis. This method offers a new thought for automatic extraction of remote sensing images change information. Keywords: change detection; object-based; decision tree; feature index 收稿日期：修订日期： 基金项目：National T echnology Support Program [国家科技支撑项目]。 (Program: 2008BAC34B07__04). 作者简介：张雨霁（1985～），女，在读硕士，主要研究方向为遥感图像处理。 E-mail:YUJI-911@https://www.360docs.net/doc/c314440966.html,