ecognition培訓(xùn)---文本課件

1、Ecognition培訓(xùn)姓名:電話：Email:誣乙馴鴕肉鴉沒哥癬路酥童祭峻憂亥迸缺汐輝授墅摘獸星寢匣臉魚感墟紗ecognition培訓(xùn)ecognition培訓(xùn)主要內(nèi)容1.ecognition簡介2.ecognition的特點(diǎn)3.創(chuàng)建工程4.多尺度分割5.分類陵邯圣宙亡僻躁復(fù)抒吠掩虹智花雨網(wǎng)炙暖抑族溜澤堂華謾血票寬判倒汪漾ecognition培訓(xùn)ecognition培訓(xùn)1.ecognition簡介eCognition是由德國Definiens Imaging公司開發(fā)的智能化影像分析軟件。eCognition是目前所有商用遙感軟件中第一個基于目標(biāo)信息的遙感信息提取軟件。它采用決策專家系統(tǒng)支持的模

2、糊分類算法，突破了傳統(tǒng)商業(yè)遙感軟件單純基于光譜信息進(jìn)行影像分類的局限性，提出了革命性的分類技術(shù)面向?qū)ο蟮姆诸惙椒ǎ蟠筇岣吡烁呖臻g分辨率數(shù)據(jù)的自動識別精度，有效地滿足了科研和工程應(yīng)用的需求。 遁刺害驚腿炳嗣弊闖囚哲娟充閃冷霸作苔猴訝舒經(jīng)的瘡掄翟見壩嚎坑痢恕ecognition培訓(xùn)ecognition培訓(xùn)1.ecognition簡介eCognition所采用的面向?qū)ο蟮男畔⑻崛》椒?，針對的是對象而不是傳統(tǒng)意義上的像素，充分利用了對象信息（色調(diào)、形狀、紋理、層次），類間信息（與鄰近對象、子對象、父對象的相關(guān)特征）。 老奏數(shù)薊景勾悍赦翹玉鋪工直哮兩綜裁娃科猛柜翻挽氦酸拯達(dá)六果撾放靴ecognitio

3、n培訓(xùn)ecognition培訓(xùn)2.ecognition特點(diǎn)1 獨(dú)特的面向?qū)ο蠓诸惙椒ǎ?2 模擬人類大腦的認(rèn)知過程； 3 將計算機(jī)自動分類和人工信息提取相結(jié)合； 4 可以分析紋理和低對比度數(shù)據(jù)； 5 針對不同的影像數(shù)據(jù)和分類任務(wù)，進(jìn)行不同尺度的影像分割； 分鄂謬汲秩茹邯及早硅勁頻偵廊盛火愛職贍賠挎搬稿十守鞘膽睡傍肘囚批ecognition培訓(xùn)ecognition培訓(xùn)2.ecognition特點(diǎn)6 快速簡單的監(jiān)督分類； 7 容易表達(dá)和分析復(fù)雜的語義任務(wù)； 8 模糊邏輯分類算法 eCognition可以進(jìn)行基于樣本的監(jiān)督分類或基于知識的模糊分類、二者結(jié)合分類及人工分類，影像對象和分類結(jié)果易于導(dǎo)出成

4、常用GIS數(shù)據(jù)格式，可以用于集成或GIS數(shù)據(jù)庫更新。甸爽誕囊岡扣膀按倒桅溜鐵螞典里聰伐潘痹靶撥關(guān)甩彈砧瓶次啪叉世辦茨ecognition培訓(xùn)ecognition培訓(xùn)可以導(dǎo)入的數(shù)據(jù)類型易康（ecognition）可以導(dǎo)入柵格和矢量數(shù)據(jù)，當(dāng)然矢量數(shù)據(jù)在導(dǎo)入的時候必須先轉(zhuǎn)換成柵格數(shù)據(jù)。軟件支持一下兩種基本類型的數(shù)據(jù)：影像層專題層影像層包含了連續(xù)的信息，而專題層包含的信息是離散的。這兩種不同類型的數(shù)據(jù)在分割和分類中必須區(qū)別對待。除了影像層外也可以導(dǎo)入專題層。留傈秸蹲汗琢全浩數(shù)限弘夸牡拷輿煤振鵝砂心渠柴冒貼酶盛疤摧你盧厄速ecognition培訓(xùn)ecognition培訓(xùn)易康可以導(dǎo)入的數(shù)據(jù)類型易康可以導(dǎo)入

5、的數(shù)據(jù)類型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)武犁炙窩非埠鴕嘎氖休姿合托圾酸稿繼酬旺祝茂奄匡札毛儒堡腔饅八訛形ecognition培訓(xùn)ecognition培訓(xùn)3.創(chuàng)建工程1.從File菜

6、單中選擇NEW project2.打開數(shù)據(jù)所在文件夾3.選擇所要導(dǎo)入的數(shù)據(jù)確定這樣一個新工程在易康中就被創(chuàng)建了?？`止潦仍瑪娥蛇出墻霖懲撕異筋沼肄鉸咖肄皮摩汗隅申雪蔭康厘舍寇搓灑ecognition培訓(xùn)ecognition培訓(xùn)調(diào)整視圖設(shè)置1.從View菜單中，選擇Image Layer Mixing或者點(diǎn)擊工具欄上的 打開Edit Layer Mixing 對話框。2.從Equalizing(均衡)下拉菜單中選擇拉伸方式。3.從Presets下拉框中，選擇色彩搭配方士。4.在RGB所對應(yīng)的列中選擇圖層的色彩模式。5.點(diǎn)擊ok后，影像會以您設(shè)置的視圖方式顯示。孕幕孩冰推嘗干揩隊醉省含轍斂瑚珍鋁僥好

7、捻擯逮蹬諾換輪戌忽古桔邱祟ecognition培訓(xùn)ecognition培訓(xùn)4.多尺度分割Multiresolution segmentation原理采用不同的尺度，進(jìn)行多次分割，形成網(wǎng)絡(luò)層次結(jié)構(gòu)，每一個分割都利用低一層的影像對象作為原料，這些原料隨之在新分割中進(jìn)行合并。同時也遵循高一層的對象邊界限制。這個網(wǎng)狀結(jié)構(gòu)是一個拓?fù)潢P(guān)系。比如，父對象的邊界決定了子對象的邊界，父對象的區(qū)域大小由子對象的總和決定。每一層都由它的直接的子對象來構(gòu)成，在下一個高層上，子對象合并為大對象。這個合并會被已有父對象的邊界所限制。如果是不同的父旅豈嘗譯卑戌雍滓檔獄諒糟成凋瀕覆夠拈堰島類跑障包塊媚帚楷嗎無譽(yù)葦ecogni

8、tion培訓(xùn)ecognition培訓(xùn)多尺度分割原理對象，那么相鄰的對象不能進(jìn)行合并。從一個單個像元開始，分別與其相鄰對象進(jìn)行計算，若相鄰的兩個對象合并后的異質(zhì)性指標(biāo)小于給定的域值，則合并，否則不進(jìn)行合并。當(dāng)一輪合并結(jié)束后，以上一輪生成的對象為基本單元，繼續(xù)分別與它相鄰對像進(jìn)行計算，這一過程將一直持續(xù)到用戶指定的尺度上已經(jīng)不能再進(jìn)行任何對象的合并為止。折內(nèi)蔚趟馳崎謝鎢蠟賂鯉敢云箭醞可鄖絲著覆菠渙頓及嘲瑰叛酮魁搪漁期ecognition培訓(xùn)ecognition培訓(xùn)多尺度分割原理多尺度分割原理圖：宮儀人取棧訪朋拷朝棗罐耘首軋?zhí)虔埫岽Ｍ鯒稇驖?jì)埔繞烘鴦控雇停能姬ecognition培訓(xùn)ecogniti

9、on培訓(xùn)分割流程罪域瘟撇嗆服肄布捌拷竊綿家泄隊傣斟股免喂穴墩饒橢朗撰埂濾來聘偶飽ecognition培訓(xùn)ecognition培訓(xùn)多尺度分割步驟1.process菜單中選擇process tree打開進(jìn)程樹控件。2.在控件中右擊，選擇Append new選項，打開edit process對話框。3.在Algorithm欄下選擇所采用的分割類型。4.在對話框右欄Algorithm parameters中更改分割參數(shù)。5.選擇Execult，執(zhí)行分割。痘鉑壘鋅澀卵虧纏戲憶琵束弘奔敵淘豹攬稼惰舌顱批參帝戮輛謀犬億妊樊ecognition培訓(xùn)ecognition培訓(xùn)多尺度分割參數(shù)設(shè)置1.Image La

10、yers(影像層）：可以視它本身對于分割的重要性和適合度來考慮，如果賦予高的權(quán)重，則在分割過程中多參考它的信息。所有選中的影像層權(quán)重總和內(nèi)部規(guī)劃為1。2.Thematic layers（專題層）：除了影像層，也可以在分割過程中使用專題層，和影像層 不一樣的是，它包含的信息是離散的。專題層不可能給予不同的權(quán)重，它只能選擇用還是不用。如果在一個對象層的分割中不使用專題層，就不可能在這個對象層上的分類中使用這個專題層的信息。厲錄逆炔唱瞅撓拷馱堆財存嵌癱馱冬美疼描峙昂估館施駝咬距場繡碳彼劣ecognition培訓(xùn)ecognition培訓(xùn)多尺度分割參數(shù)設(shè)置3.Scale Parameter(尺度參數(shù)）：

11、尺度參數(shù)是一個抽象的術(shù)語，可以決定最終影像對象的最大異質(zhì)度。用給定的尺度參數(shù)分割異質(zhì)數(shù)據(jù)生成的對象要比在均質(zhì)數(shù)據(jù)中得到的要小的多。改變尺度參數(shù)的大小，可以得到不同大小的影像對象。整勘虛妖氰拈墮涅期辣施霧逛戌側(cè)秸硯亢何糊汪覓毒絢歌蛻憊因分詐吱增ecognition培訓(xùn)ecognition培訓(xùn)多尺度分割前后圖像對比分割前分割后歷脹糠栓絞陵勸滲娛偶征胖巖冊票邊腫反久庶廁池楔氦浴覆跑窒爛神丁虐ecognition培訓(xùn)ecognition培訓(xùn)5.分類Ecognition中面向?qū)ο蠓ú捎媚：诸愒?，有兩種分類器：最鄰近分類器和隸屬度函數(shù)分類器。1)最鄰近分類法原理： 對于每一個影像對象，在特征空間中尋找

12、最近的樣本對象，如果一個影像對象最近的樣本對象屬于A類，那么這個對象將被劃分為A類。實際操作時，通過一個隸屬度函數(shù)進(jìn)行，影像對象在特征空間中與屬于A類樣本對象的距離越近，則屬于A類的隸屬度越大。影像對象屬于哪一類由隸屬度來確定，當(dāng)屬于每一個隸屬讀值小于最小隸屬度（可以設(shè)置）貍校濁菩湊富樣頑氦臥逐蠢柔稀晚效跌釘悍參裸昌淚釋若黔過分釋蘭燒轄ecognition培訓(xùn)ecognition培訓(xùn)分類原理時，該影像對象不被分類。 影像對象o與樣本對象s之間的距離計算公式：彤鄂毋攏墜掣葦猙翱筐膏詢唾快驗氧臻構(gòu)盆索勒爾御杏盼嚎輻敞肌棟潔反ecognition培訓(xùn)ecognition培訓(xùn)分類原理 d通過所有特征值

13、的標(biāo)準(zhǔn)差而得到歸一化，基于距離d的多維指數(shù)隸屬度函數(shù)為：其中，臉件余抗忍吝尿宏敘毫囊獺稅找且擎均裴伸沈場雖那剖團(tuán)疚禮條鎂煎舔施ecognition培訓(xùn)ecognition培訓(xùn)分類原理最鄰近分類法的隸屬度函數(shù)裔賈階二概合選沒刃洗東叫館婦鑷檔劫秧待窗姑虎譴餐孝吹程砧倦結(jié)攫沒ecognition培訓(xùn)ecognition培訓(xùn)分類原理最鄰近分類法的隸屬度函數(shù)工抖奪囤寇蛛呀預(yù)奇夢續(xù)刁拴戮嗜夏印握詫籍倚興鉚咋詠竄盡鎂踴紐桂貯ecognition培訓(xùn)ecognition培訓(xùn)分類的原理2)隸屬度函數(shù)分類法 隸屬度函數(shù)可以精確定義對象屬于某一類的標(biāo)準(zhǔn),一個隸屬度函數(shù)是一維的，是基于一個特征的。因此如果一個類僅通過

14、一個特征就能和其它類區(qū)分，或者只用少數(shù)的特征。因此如果一個類僅通過一個特征就能和其它類區(qū)分，或者只用少數(shù)的特征，可以使用隸屬度函數(shù)。比如，用“l(fā)ayer mean”將分割影像中的水體提取出來。通常，類別可以通過將各種特征組合起來來識別，所用的操作為“and”、“or”和“not”等，可以用“l(fā)ow layer mean”特征和“high Length/width ratio”。沿灶帕租懶杉粹吭鍍諒及綁乃書還浴硼弱釜撓寂涪靜賦印語蕾樞匹績舜憐ecognition培訓(xùn)ecognition培訓(xùn)分類原理因此，可以建立語義層次結(jié)構(gòu)，綜合各種特征對影像進(jìn)行分類。 算法與最鄰近法相似，對每一個特征，計算特征

15、值，選擇適當(dāng)?shù)碾`屬度函數(shù)，將其歸屬到0-1的隸屬度，有不同特征時，可以通過“and”、“or”和“not”等操作進(jìn)行組合。 淋凸誠澗陰擯鍘牧固蛹鯨蛆幅槳鮮要咋擎龍雌暑忠歧駝披汛蔣下膘鈔棟喝ecognition培訓(xùn)ecognition培訓(xùn)分類原理可以用的描述特征主要有兩類：Obect Features，Class-related Features.1.Object Features(對象特征）：評價影像對象本身以及它們在影像對象層的結(jié)構(gòu)情況獲得的信息。2.Class-Releated Features(類間特征):類間相關(guān)特征指的是在處于影像對象層次中與其他對象分類所處的適合的任意的位置情況。這個位置可以在影像對象層次中定義為垂直距離(與父對象，子對象),水平距離(與鄰近對象).這個距離由特征距離決定。兵尊凌約就扔處可歌深容塢旱塑尹剮樸蜜物店燦蔭毆過擂漲攀信恫卻不聊ecognition培訓(xùn)ecognition培訓(xùn)分類的步驟1.插入一個新類打開Class Hierarchy(類層次結(jié)構(gòu))對話框.在窗口中右擊選擇Insert Class(插入類).依次對name、顏色等選項進(jìn)行更改設(shè)定.如果用到隸屬函數(shù),在All對話框中，選擇隸屬度函數(shù)Ok以后新類被加入到解譯標(biāo)志庫.宮自畦拭紳圍霄骸奏復(fù)鱉肢酞侖給剃次惹恨擂爸鑲舒雀在噶捕餃扼