eCongnition数字图像处理方法PDF电子书下载

第1章 eCognition软件介绍 1

1.1 eCognition软件概述 1

1.1.1 eCognition系列产品 1

1.1.2 eCognition软件特点 3

1.2 术语介绍 9

1.2.1 影像层 9

1.2.2 影像数据集 9

1.2.3 影像对象、层次结构、域 10

1.2.4 场景、地图、工程、工作区 11

1.3 软件界面介绍 11

1.3.1 规则集开发视图 11

1.3.2 常用工具栏 12

1.3.3 其他常用工具 13

1.4 eCognition图像分析基本流程 15

1.4.1 传统的基于像元分类方法的基本流程 16

1.4.2 eCognition图像分析基本流程 16

第2章 快速制图模式 18

2.1 快速制图模式介绍 18

2.2 具体工作流程 18

2.2.1 采用新数据 18

2.2.2 在已有的工程上进行操作 19

2.3 软件桌面结构GUI 19

2.3.1 创建解决方案 19

2.3.2 分析设置的加载和保存 19

2.4 分割操作方法 20

2.4.1 四叉树分割 20

2.4.2 多尺度分割 21

2.4.3 合并对象功能 22

2.5 分类功能 23

2.5.1 最优Box分类 23

2.5.2 亮度阈值分类方法 24

2.5.3 最近邻域法分类 25

2.5.4 杂波去除分类方法 26

2.6 输出数据 27

2.6.1 导出（点） 27

2.6.2 导出（多边形） 28

第3章 规则集模式 29

3.1 规则集模式视图 29

3.2 创建与编辑进程 30

3.3 添加一个进程 31

3.3.1 选择与配置影像作用域 31

3.3.2 添加算法 33

3.3.3 循环与周期 34

3.3.4 有关进程的相关操作 34

3.4 对象层与分割 35

3.4.1 关于层次结构的影像对象层 35

3.4.2 创建一个影像对象层 35

3.4.3 分割算法创建对象层 36

3.4.4 编辑一个影像对象层或层变量 36

3.4.5 删除一个影像对象层 37

3.5 获取影像对象的信息 37

3.5.1 影像对象信息窗口 37

3.5.2 特征视图窗口 38

3.5.3 创建一个新特征 40

3.5.4 编辑特征距离 42

3.5.5 使用影像对象表来比较对象 42

3.5.6 利用二维特征空间图比较特征 43

3.5.7 元数据与特征的利用 44

第4章 面向对象的分割与分类理论 47

4.1 面向对象的遥感图像分类技术 47

4.1.1 基于像素的传统图像分析 47

4.1.2 面向对象的图像分类 48

4.2 创建影像对象的分割算法 49

4.2.1 自上而下的分割 49

4.2.2 自下而上的分割 52

4.2.3 重塑算法分割 55

4.3 分类算法 56

4.3.1 阈值分类算法 56

4.3.2 模糊分类算法 57

4.3.3 分类器分类算法 60

第5章 批处理 63

5.1 自定义导入工程 63

5.1.1 打开批处理界面 63

5.1.2 创建工作空间 64

5.1.3 自定义导入数据 65

5.2 批处理设置 68

5.2.1 开启本地服务器 68

5.2.2 执行规则集 69

5.2.3 查看执行结果 70

第6章 分类结果精度评价 71

6.1 创建工程 72

6.1.1 打开影像 72

6.1.2 打开矢量文件 73

6.1.3 编辑图层名称 73

6.1.4 影像显示效果 75

6.1.5 查看矢量文件 76

6.1.6 查看属性表 76

6.2 结合矢量分割 78

6.2.1 创建进程目录 78

6.2.2 添加棋盘分割进程 79

6.2.3 查看分割结果 79

6.3 验证点转化为样本 80

6.3.1 创建目录进程 80

6.3.2 添加分类进程 81

6.3.3 查看分类结果 82

6.3.4 分类结果转为样本 83

6.3.5 还原样本的分类结果 84

6.3.6 还原影像的分类结果 85

6.4 精度评价 86

6.4.1 精度评估方法 87

6.4.2 基于TTA掩膜的误差矩阵评价方法参数介绍 88

第7章 水体信息提取 90

7.1 水体信息提取原理 90

7.2 提取水体方法 91

7.3 水体提取操作 92

7.3.1 创建工程 92

7.3.2 影像分割 93

7.3.3 区分水体与非水体 95

第8章 植被信息的提取 105

8.1 植被信息提取的意义 105

8.2 阈值分类方法提取植被 105

8.2.1 影像加载及分割 105

8.2.2 分类类别的建立 107

8.2.3 创建运算特征NDVI 107

8.2.4 根据需求调整阈值 109

8.2.5 对影像进行分类 110

8.3 隶属度函数方法提取植被 111

8.3.1 影像加载及分割 112

8.3.2 创建运算特征NDVI 114

8.3.3 调节模糊范围 115

8.3.4 分类类别的建立 116

8.3.5 对影像进行分类 118

第9章 土地利用类型分类 119

9.1 土地利用类型分类的意义 119

9.2 土地利用类型的最邻近域分类 119

9.2.1 影像加载及分割 119

9.2.2 分类类别的建立 122

9.2.3 插入分类器 122

9.2.4 定义样本对象 123

9.2.5 对图像进行分类 125

9.2.6 精度评价 126

9.3 土地利用类型的CART分类器分类 127

9.3.1 矢量样本文件的创建 127

9.3.2 影像加载及分割 127

9.3.3 矢量点文件转化为样本 131

9.3.4 使用CART分类器分类 131

9.3.5 分类过程导出 135

9.3.6 分类误差的产生及消除 136

第10章 eCognition变化检测 137

10.1 变化检测概述 137

10.2 eCongnition变化检测方法 138

10.2.1 变化检测的技术路线 138

10.2.2 变化检测的实现方法 138

10.2.3 变化检测精度评价 141

10.3 变化检测操作实例 144

10.3.1 导入影像 144

10.3.2 复制地图 145

10.3.3 影像分类 146

10.3.4 同步地图 147

10.3.5 变化检测 150

主要参考文献 153