ecognition 试验多尺度分割形状紧致度参数设置.pdfVIP

ecognition 多尺度分割 1 分割 对给定分辨率的影像对象，多尺度分割算法局部最小化影像对象的差异性。它能够在已 存在的影像对象层执行，也能在象素层执行，以创建新的影像对象或者影像对象层。多尺度 分割算法连续 融合象素或者已存在的对象。因此它是基于成对区域融合技术的自底向上分 割算法。多尺度分割是优化处理，对给定数量的影像对象，最小化平均差异性并最大化它所 代表的均一性。分割处理根据以下规则进行，是一种相互最佳适合方法。 尺度参数 尺度参数是一个抽象的概念，对影像对象结果，它决定所能允许的最大差异性，对差异 性数据，对给定尺度参数，结果对象将比更均一的数据要小。通过修改尺度参数的值，您可 以区别影像对象大小。 提示：通常情况下，最大可能尺度的影像对象仍然能区分不同的影像分区，（尽可能大， 尽可能好）。存在一种容忍值，与影像对象所的尺度相关，由于由分类时的均一化处理，这 种容忍值代表分类一致性区域。不同区域的区分比影像对象尺度更重要。均一性标准组合尺 度参数所对应的对象的均一性由均一性标准域组合定义。在这种情况下，均一性用于反映最 小化差异性。三种标准被计算：色彩，光滑度，紧致度。这三种标准在差异性判别方面有多 种用法，然而，大多数情况下，为创建有价值的对象，色彩标准是最重要的。