高分辨影像分类实验报告.docx

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
高分辨影像分类实验报告

高分辨影像分类实验报告姓 名: 学 号:专 业: 指导老师: 目录一、实践目的3二、实验内容32.1影像预处理32.2 使用 eCognition 创建工程32.3 对象的生成:分割52.4 信息的提取:分类7三、总结17一、实践目的1、使用eCognition进行面向对象的影像分类的流程;2、体会面向对象思想的内涵,学会将大脑认知过程转变为机器语言;二、实验内容2.1影像预处理 首先,我们使用的数据是QuickBird影像,包括4个多光谱波段以及一个全色波段。QuickBird影像星下点分辨率:全色为0.61 m,多光谱为2.44 m。而对于面向对象影像分类来说,越高的高空间分辨率越好;但在对对象进行分类是,光谱信息同样重要,所以怎样可以既保留光谱信息、又能提高多光谱波段的分辨率呢?这是分类之前数据预处理需要解决的问题之一。其次,影像分割算法是在亮度值的基本特征基础上建立起来的,其中包括一致性和不连续性。影像分割过程中,灰度差异较小但分属不同地物类型的相邻像元,分割后易被合并为一个对象,造成目标错提、漏提。为此须对原始影像进行预处理,增大提取目标与背景的反差,以取得更好的分割效果。这是数据预处理需要解决的第二个问题。2.2 使用 eCognition 创建工程打开 eCognition,选择规则集模式。点击 Create New Project,打开 Create Project 和 Import Image Layers 两个对话框,导航到实验数据。(注意,数据以及工程文件保存路径不要有中文)你可以选择多个数据,选择需要的波段,在处理时也可以针对某一特定的波段来进行。比如你可以分开选择 RGB 和红外波段;而在处理时,你可以只对全色波段处理,而不处理其他波段。 选择数据后,更改波段名字。并且设置 Nodata 选项。设置 Nodata 选项是为了让没有数据的区域不参与处理。另外,在这一窗口还可以看到数据的其他信息,如坐标系、分辨率等。同时,如果有专题数据还可以添加专题数据(比如 shape 文件、高程数据等),以增加分类精度。2.3 对象的生成:分割影像分割就是把影像划分为不同的分离区域。分割的好坏将直接影响后面的分类效果,但影像分割却一直是图像处理和计算机视觉中的重点和难点之一。所以很多学者都在这块做了大量的研究,出现了上千种分割算法,比如匹配法、区域生长法、合并分裂法、马尔可夫随机场模型法、多尺度法等,这里我们不做深入研究。首先在进程数(规则集区域)右击,选择 Append New选项,打开程序编辑对话框,在 algorithm 框中选择需要的算法。(eCognition 中的所有程序都是通过这样的程序进行的,很规范,程序都是模块,像编程一样,直接调用,这也可以说是一种面向对象的思想吧。)2.4 信息的提取:分类在 eCognition 中,最常用的分类方法是模糊分类(classification)和阈值分类(assign class)。在程序编辑对话窗口中的 algorithm 栏选择分类的算法,则可调出相应的分类模块。当然这之前最好先把需要分的类别定义好(如右图),需要定义名称、颜色。接下来选择水体:先创建水体图层,三、总结通过实验上机学习,使得我们学习并了解了这款新的遥感影像数据处理软件,对于知识的广度有了一个比较好的拓展,在这次实验课中,让我们了解到怎样去进行影像分割,植被提取,水系提取以及道路提取等,对于基本操作有了比较好的理解,但从中也体会到了些许不足,主要对于提取步骤细节不太明确,未深入了解提取的技巧以及提取错误位置的修改办法,但总的来说基本了解了此款软件的基本功能,在以后还需要进一步深入学习和实验才能更好的掌握操作技能。1

文档评论(0)

haihang2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档