您好、欢迎来到现金彩票网!
当前位置:斗牛棋牌 > 纹理分割 >

转载]全球第一个面向对象的影像分析软件--易康(eCognition)

发布时间:2019-07-25 05:52 来源:未知 编辑:admin

  [转载]全球第一个面向对象的影像分析软件--易康(eCognition)

  eCognition是北京天目创新科技有限公司代理的德国DefiniensImaging公司的遥感影像分析软件,它是人类大脑认知原理与计算机超级处理能力有机结合的产物,即计算机自动分类的速度+人工判读解译的精度,更智能,更精确,更高效地将对地观测遥感影像数据转化为空间地理信息 。

  eCognition突破了传统影像分类方法的局限性,提出了革命性的分类技术-面向对象分类。eCognition分类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)。

  eCognition基于Windows操作系统,界面友好简单。与其他遥感,地理信息软件互操作性强,广泛应用于:自然资源和环境调查,农业,林业,土地利用,国防,管线管理,电信城市规划,制图,自然灾害监测,海岸带和海洋制图,地矿等方面 。

  *面向像素的解算模式将像元孤立化分析,解译精度较低且斑点噪声难以消除;

  * 利用影像分割技术把影像分解成具有一定相似特征的像元的集合—影像对象;

  采用eCognition软件对影像进行分类操作非常简单,可以主要以三个步骤来形容如下:

  分割是面向对象分类的前提,多尺度分割是影像对象提取的专利技术,可以根据目标任

  多尺度分割的结果是影像对象层次网络,每一层是一次分割的结果,影像对象层次网络

  可用来融合不同分辨率的对地观测影像数据和GIS数据,如Landsat,Spot,IRS,IKONOS, QuickBird,SAR,航空影像,LIDAR等,不同类型的影像数据和矢量数据同时参与分类。

  可用来将任何类型的全色或多光谱数据以选定尺度分割为均质影像对象,形成影像对象层次网络。在对象层次机构中,小对象是大对象的子对象,每一个对象都有他的上下文,邻居,字对象和父对象,由此来定义对象之间的关系,影像对象的属性和对象之间的关系可用于进一步的分类。

  是一个简单,快速强大的分类工具,影像对象是通过点击训练样本来定义,形成地称为

  用户运用继承机制,模糊逻辑概念和方法以及语义模型可以建立用于分类的知识库。

  eCognition可以进行基于样本的监督分类或基于知识的模糊分类,二者结合分类以及人工分类,影像对象和分类结果易于导出常用GIS数据格式,可用于集成或更新GIS数据库。

  第一个面向对象的影像分析软件--eCognitioneCognition是现代天目公司代理的德国Definiens Imaging公司的遥感影像分析软件,其分类原理模拟人类的感知过程,它提出的面向对象的影像分析和特征提取的新方法,可弥补传统基于像素统计特征分类方法的不足,极大地提高遥感影像的自动识别精度。

  eCognition特点独特的面向对象技术:充分利用了对象信息(颜色,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)

  公园的判定利用上下文关系:IF林地的周围60%为城市,THEN 林地 EQ公园河流的判定利用了形状指数:IF形状指数(长宽之比)1.4 AND 与其他水体相联,THEN水体EQ河流● 模拟人类感知过程(导入影像、影像分隔、分类结果)

  ● 适宜纹理丰富和低对比度数据● 可依据分类目的调整影像对象分辨率● 简便处理复杂、繁多的任务● 利用模糊逻辑分类● 可重复性流程● 多源数据融合,可同时分析不同类型的数据● 易于导入导出各种数据格式,与矢量紧密联系● 具有统计功能等

  此外,eCognition提供了一个理想的遥感与GIS集成的平台,GIS数据可以作为分类的基础图像来使用,也可以将它作为专题层加入.且在影像分析过程中可以生成有意义的多边形,有利于和GIS的配合。

  遥感和GIS的距离:下列最近的发展激发了在地理信息领域对自动影像分析的有效过程的需求:在遥感领域越来越倾向于更加强大和更加廉价的程序:新的提供高分辨率影像数据卫星的产生、新的雷达传感器以及在航空数据生产方面更富成效的技术正在创造对自动解译的强烈的需求。对于每个其他类型的数据库文件,GIS的效率依赖于质量和最新的数据。因此,对遥感和GIS整合的强烈需求是存在的:企望使用地球观测信息来更新和生成GIS数据库。从遥感数据生成GIS目标在未来几年内将成为遥感和GIS界一项极富挑战性的任务。 然而,自动影像分析程序技巧的现状受到限制,极大量的工程只有在大量人力操作的帮助下才能实现。基于像元方法的缺点:这些限制的原因在哪里呢?大多数商业性解决自动影像分析的方案主要受导于基于像元的方法。但是三个方法上的障碍也因此反复出现:基于像元的方法具有深刻的困难,在访问有纹理或低对比度的数据(例如VHR或者雷达数据)时或者在确定土地利用类型并且缺少纯粹土地覆盖时尤其典型。大多数情况下对地理信息的需求包括对前后关联信息的分析,例如对嵌在一定上下文中的或者生镜中的组分的分析。 更新矢量GIS需要从地球观测数据生成的有意义的分类多边形。基于像元解译的多边形很少能满足GIS对多边形的要求。在很多操作过程中感兴趣的特定区域的GIS信息已经存在,应用这些信息来解译新的遥感影像将非常有用和省时,但通常没有工具在整合和同时处理不同数据类型时允许和支持多源数据融合。新的方案:事实上,上面提到的困难是如此深刻,因此,有效的遥感和GIS的整合仍然是一个研究和发展问题。 然而,eCongnition是基于一种新的自动影像分析方法,是专门为解决这些特定的问题设计的。ECongnition 非常期望成为您选择来进行分析的工具、特别是在操作设置下的应用。Econgnition的优点:1.以提供一整套基本工具进行自动影像分析为特色的综合性系统;2.对纹理或者低反差数据的分析,例如VHR-卫星影像、航空或雷达数据;3.容易调节影像目标精度到指定影像数据和指定任务;4.透明的、可调节的模糊逻辑分类;5.非常容易和有效的最近邻知识训练基础:击键与分类;6.模型化和复杂语意的分析,分析上下关联的信息和对土地利用进行分类;7.对任意数量层的分析;8.多源数据整合:同时对任意数据类型的分析,例如不同精度、GIS层、高程数据等;9.整合进入或者更新GIS数据库的专题栅格层的输出;10.直观的操作;11.不同的透明度和可访问的界面用来显示关于影像目标的信息、特征和每个单步分类;12.纯粹的影像分析软件;13.面向分割(同质区);14.基于模糊逻辑的分类知识;15.不同的分割级别;16.基于栅格;17.使用成员函数与/或采样进行分类,上下文特征、分割特征(如 形状)等等可用于分类;18.分辨率合并;19.NDVI;20.GIS数据用于街区;21.PAN(漫游);

  eCognition是航天数码代理的PCI Geomatics公司的第三方产品(由德国Definiens Imaging公司开发)。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。

  以单个像素为单位的常规信息提取技术过于着眼于局部而忽略了附近整片图斑的几何结构情况,从而严重制约了信息提取的精度。eCognitions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)。

  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常用GIS数据格式,可以用于集成或GIS数据库更新。

  可以用来融合不同分辨率的对地观测数据和GIS数据,如QuickBird、Landsat、SPOT、IRS、IKONOS、SAR、LIDAR、航片等,不同类型的影像数据和矢量数据同时参与对象分割与分类。

  用来将任何类型的全色或多光谱数据以选定尺度(粗、中、细)分割为均匀影像对象,形成影像对象层次网络。

  一个简单、快速强大的分类工具,影像对象是通过点击训练样本来定义,形象的称为“一点就分(Click and Classify)”。

  用户运用继承机制、模糊逻辑概念和方法以及语义模型,可以建立用于分类的知识库。

  用eCognition和一般波谱分类方法对某一IKONOS影像进行分类的结果对比,从图中可以看到,通过考虑高空间分辨率影像的形状和纹理信息,eCognition可以有效的识别出建筑物的形状,而由于波谱信息相似,一般波谱分类方法将其误认为是草地。

  用eCognition和一般波谱分类方法对某一IKONOS影像进行分类并进行精度统计,可以看出,应用eCognition进行分类的结果明显优于一般波谱分类结果。eCognition通过考虑高空间分辨率影像的形状、大小和纹理等因素,有效的将工业区从居民区中区分出来;而由于阴影区域与水体波谱信息的相似性,一般波谱分类方法仅利用象素的波谱信息没能将阴影区域和水体进行有效的区分。

http://paris-hotels-fr.com/wenlifenge/300.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有