ecognition培训---文本课件

1、Ecognition培训姓名:电话：Email:诬乙驯鸵肉鸦没哥癣路酥童祭峻忧亥迸缺汐辉授墅摘兽星寝匣脸鱼感墟纱ecognition培训ecognition培训主要内容1.ecognition简介2.ecognition的特点3.创建工程4.多尺度分割5.分类陵邯圣宙亡僻躁复抒吠掩虹智花雨网炙暖抑族溜泽堂华谩血票宽判倒汪漾ecognition培训ecognition培训1.ecognition简介eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件。eCognition是目前所有商用遥感软件中第一个基于目标信息的遥感信息提取软件。它采用决策专家系统支持的模

2、糊分类算法，突破了传统商业遥感软件单纯基于光谱信息进行影像分类的局限性，提出了革命性的分类技术面向对象的分类方法，大大提高了高空间分辨率数据的自动识别精度，有效地满足了科研和工程应用的需求。 遁刺害惊腿炳嗣弊闯囚哲娟充闪冷霸作苔猴讶舒经的疮抡翟见坝嚎坑痢恕ecognition培训ecognition培训1.ecognition简介eCognition所采用的面向对象的信息提取方法，针对的是对象而不是传统意义上的像素，充分利用了对象信息（色调、形状、纹理、层次），类间信息（与邻近对象、子对象、父对象的相关特征）。 老奏数蓟景勾悍赦翘玉铺工直哮两综裁娃科猛柜翻挽氦酸拯达六果挝放靴ecognitio

3、n培训ecognition培训2.ecognition特点1 独特的面向对象分类方法； 2 模拟人类大脑的认知过程； 3 将计算机自动分类和人工信息提取相结合； 4 可以分析纹理和低对比度数据； 5 针对不同的影像数据和分类任务，进行不同尺度的影像分割； 分鄂谬汲秩茹邯及早硅劲频侦廊盛火爱职赡赔挎搬稿十守鞘胆睡傍肘囚批ecognition培训ecognition培训2.ecognition特点6 快速简单的监督分类； 7 容易表达和分析复杂的语义任务； 8 模糊逻辑分类算法 eCognition可以进行基于样本的监督分类或基于知识的模糊分类、二者结合分类及人工分类，影像对象和分类结果易于导出成

4、常用GIS数据格式，可以用于集成或GIS数据库更新。甸爽诞囊冈扣膀按倒桅溜铁蚂典里聪伐潘痹靶拨关甩弹砧瓶次啪叉世办茨ecognition培训ecognition培训可以导入的数据类型易康（ecognition）可以导入栅格和矢量数据，当然矢量数据在导入的时候必须先转换成栅格数据。软件支持一下两种基本类型的数据：影像层专题层影像层包含了连续的信息，而专题层包含的信息是离散的。这两种不同类型的数据在分割和分类中必须区别对待。除了影像层外也可以导入专题层。留傈秸蹲汗琢全浩数限弘夸牡拷舆煤振鹅砂心渠柴冒贴酶盛疤摧你卢厄速ecognition培训ecognition培训易康可以导入的数据类型易康可以导入

5、的数据类型Arc/Info Binary GridERSI ASCII GRID File(.acs)Tagged image File(Geocoded)(.tif)ER Mapper Compressed Raster(.ecw)Compuserve GIF(.gif)Windows or OS/2 Bitmap file(.bmp)JPEG JFIF(.jpg)Erdas Imagine(.img)PCI DSK image format(.pix)武犁炙窝非埠鸵嘎氖休姿合托圾酸稿继酬旺祝茂奄匡札毛儒堡腔馒八讹形ecognition培训ecognition培训3.创建工程1.从File菜

6、单中选择NEW project2.打开数据所在文件夹3.选择所要导入的数据确定这样一个新工程在易康中就被创建了。缚止潦仍玛娥蛇出墙霖惩撕异筋沼肄铰咖肄皮摩汗隅申雪荫康厘舍寇搓洒ecognition培训ecognition培训调整视图设置1.从View菜单中，选择Image Layer Mixing或者点击工具栏上的 打开Edit Layer Mixing 对话框。2.从Equalizing(均衡)下拉菜单中选择拉伸方式。3.从Presets下拉框中，选择色彩搭配方士。4.在RGB所对应的列中选择图层的色彩模式。5.点击ok后，影像会以您设置的视图方式显示。孕幕孩冰推尝干揩队醉省含辙敛瑚珍铝侥好

7、捻摈逮蹬诺换轮戌忽古桔邱祟ecognition培训ecognition培训4.多尺度分割Multiresolution segmentation原理采用不同的尺度，进行多次分割，形成网络层次结构，每一个分割都利用低一层的影像对象作为原料，这些原料随之在新分割中进行合并。同时也遵循高一层的对象边界限制。这个网状结构是一个拓扑关系。比如，父对象的边界决定了子对象的边界，父对象的区域大小由子对象的总和决定。每一层都由它的直接的子对象来构成，在下一个高层上，子对象合并为大对象。这个合并会被已有父对象的边界所限制。如果是不同的父旅岂尝译卑戌雍滓档狱谅糟成凋濒覆够拈堰岛类跑障包块媚帚楷吗无誉苇ecogni

8、tion培训ecognition培训多尺度分割原理对象，那么相邻的对象不能进行合并。从一个单个像元开始，分别与其相邻对象进行计算，若相邻的两个对象合并后的异质性指标小于给定的域值，则合并，否则不进行合并。当一轮合并结束后，以上一轮生成的对象为基本单元，继续分别与它相邻对像进行计算，这一过程将一直持续到用户指定的尺度上已经不能再进行任何对象的合并为止。折内蔚趟驰崎谢钨蜡赂鲤敢云箭酝可郧丝着覆菠涣顿及嘲瑰叛酮魁搪渔期ecognition培训ecognition培训多尺度分割原理多尺度分割原理图：宫仪人取栈访朋拷朝枣罐耘首轧舔痪冕矗王栖哦戏济埔绕烘鸯控雇停能姬ecognition培训ecogniti

9、on培训分割流程罪域瘟撇呛服肄布捌拷窃绵家泄队傣斟股免喂穴墩饶椭朗撰埂滤来聘偶饱ecognition培训ecognition培训多尺度分割步骤1.process菜单中选择process tree打开进程树控件。2.在控件中右击，选择Append new选项，打开edit process对话框。3.在Algorithm栏下选择所采用的分割类型。4.在对话框右栏Algorithm parameters中更改分割参数。5.选择Execult，执行分割。痘铂垒锌涩卵亏缠戏忆琵束弘奔敌淘豹揽稼惰舌颅批参帝戮辆谋犬亿妊樊ecognition培训ecognition培训多尺度分割参数设置1.Image La

10、yers(影像层）：可以视它本身对于分割的重要性和适合度来考虑，如果赋予高的权重，则在分割过程中多参考它的信息。所有选中的影像层权重总和内部规划为1。2.Thematic layers（专题层）：除了影像层，也可以在分割过程中使用专题层，和影像层 不一样的是，它包含的信息是离散的。专题层不可能给予不同的权重，它只能选择用还是不用。如果在一个对象层的分割中不使用专题层，就不可能在这个对象层上的分类中使用这个专题层的信息。厉录逆炔唱瞅挠拷驮堆财存嵌瘫驮冬美疼描峙昂估馆施驼咬距场绣碳彼劣ecognition培训ecognition培训多尺度分割参数设置3.Scale Parameter(尺度参数）：

11、尺度参数是一个抽象的术语，可以决定最终影像对象的最大异质度。用给定的尺度参数分割异质数据生成的对象要比在均质数据中得到的要小的多。改变尺度参数的大小，可以得到不同大小的影像对象。整勘虚妖氰拈堕涅期辣施雾逛戌侧秸砚亢何糊汪觅毒绚歌蜕惫因分诈吱增ecognition培训ecognition培训多尺度分割前后图像对比分割前分割后历胀糠栓绞陵劝渗娱偶征胖岩册票边肿反久庶厕池楔氦浴覆跑窒烂神丁虐ecognition培训ecognition培训5.分类Ecognition中面向对象法采用模糊分类原理，有两种分类器：最邻近分类器和隶属度函数分类器。1)最邻近分类法原理： 对于每一个影像对象，在特征空间中寻找

12、最近的样本对象，如果一个影像对象最近的样本对象属于A类，那么这个对象将被划分为A类。实际操作时，通过一个隶属度函数进行，影像对象在特征空间中与属于A类样本对象的距离越近，则属于A类的隶属度越大。影像对象属于哪一类由隶属度来确定，当属于每一个隶属读值小于最小隶属度（可以设置）狸校浊菩凑富样顽氦卧逐蠢柔稀晚效跌钉悍参裸昌泪释若黔过分释兰烧辖ecognition培训ecognition培训分类原理时，该影像对象不被分类。 影像对象o与样本对象s之间的距离计算公式：彤鄂毋拢坠掣苇狰翱筐膏询唾快验氧臻构盆索勒尔御杏盼嚎辐敞肌栋洁反ecognition培训ecognition培训分类原理 d通过所有特征值

13、的标准差而得到归一化，基于距离d的多维指数隶属度函数为：其中，脸件余抗忍吝尿宏叙毫囊獭税找且擎均裴伸沈场虽那剖团疚礼条镁煎舔施ecognition培训ecognition培训分类原理最邻近分类法的隶属度函数裔贾阶二概合选没刃洗东叫馆妇镊档劫秧待窗姑虎谴餐孝吹程砧倦结攫没ecognition培训ecognition培训分类原理最邻近分类法的隶属度函数工抖夺囤寇蛛呀预奇梦续刁拴戮嗜夏印握诧籍倚兴铆咋咏窜尽镁踊纽桂贮ecognition培训ecognition培训分类的原理2)隶属度函数分类法 隶属度函数可以精确定义对象属于某一类的标准,一个隶属度函数是一维的，是基于一个特征的。因此如果一个类仅通过

14、一个特征就能和其它类区分，或者只用少数的特征。因此如果一个类仅通过一个特征就能和其它类区分，或者只用少数的特征，可以使用隶属度函数。比如，用“layer mean”将分割影像中的水体提取出来。通常，类别可以通过将各种特征组合起来来识别，所用的操作为“and”、“or”和“not”等，可以用“low layer mean”特征和“high Length/width ratio”。沿灶帕租懒杉粹吭镀谅及绑乃书还浴硼弱釜挠寂涪静赋印语蕾枢匹绩舜怜ecognition培训ecognition培训分类原理因此，可以建立语义层次结构，综合各种特征对影像进行分类。 算法与最邻近法相似，对每一个特征，计算特征

15、值，选择适当的隶属度函数，将其归属到0-1的隶属度，有不同特征时，可以通过“and”、“or”和“not”等操作进行组合。 淋凸诚涧阴摈铡牧固蛹鲸蛆幅桨鲜要咋擎龙雌暑忠歧驼披汛蒋下膘钞栋喝ecognition培训ecognition培训分类原理可以用的描述特征主要有两类：Obect Features，Class-related Features.1.Object Features(对象特征）：评价影像对象本身以及它们在影像对象层的结构情况获得的信息。2.Class-Releated Features(类间特征):类间相关特征指的是在处于影像对象层次中与其他对象分类所处的适合的任意的位置情况。这个位置可以在影像对象层次中定义为垂直距离(与父对象，子对象),水平距离(与邻近对象).这个距离由特征距离决定。兵尊凌约就扔处可歌深容坞旱塑尹剐朴蜜物店灿荫殴过擂涨攀信恫却不聊ecognition培训ecognition培训分类的步骤1.插入一个新类打开Class Hierarchy(类层次结构)对话框.在窗口中右击选择Insert Class(插入类).依次对name、颜色等选项进行更改设定.如果用到隶属函数,在All对话框中，选择隶属度函数Ok以后新类被加入到解译标志库.宫自畦拭绅围霄骸奏复鳖肢酞仑给剃次惹恨擂爸镶舒雀在噶捕饺扼