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。然而，某种 程度的形状一致性常常能提升对象提取的质量。因为空间对象的紧致度与影像形状概念相 关。因此，形状标准是非常有用的，可以在纹理特征非常强的数据（如雷达数据）避免高 度分散的影像对象结果。 尺度参数 定义影像对象结果的加权影像层的均一性 准则的最大标准差，尺度参数值越大，影像 对象结果越大。 注意：平滑度和紧致度与影像特征的平滑度 和紧致度没有关系 颜色 影像对象结果的数值值[颜 色]，[颜色] = 1 - [形状] 平滑度 ：利用形状准侧，考虑平滑边缘， 优化影像对象结果。 一致性组合 一致性准则，由 4个准则组成， 定义了影像对 象结果的总体 准则 紧致度：利用形状准侧，考虑总体紧致性， 相对均一性。 每对准则被赋权，权值和为1。 优化影像对象结果。 形状 定义了影像对象结果的纹理一致性。 [形状] = [平滑度] + [紧致度] 多尺度概念流程图 形状 形状栏的值改变着色彩和形状分割准则的关系，通过改变形状准则，同时也定义了色彩准 则（色彩 = 1 - 形状）。实际上，通过降低赋给形状栏的值，你定义了影像层光谱值将用于整体 一致性准则的比例。该权值与在形状栏里定义的赋给形状一致性的权值是相对的。将形状准则的 权值设置为1，将导致在空间一致性上得到优化。然而，形状准则的值不能大于0.9，这是由于 不考虑影像的光谱信息，分割的结果对象将于光谱信息无关。调整色彩和形状的滑动条将用于分 割中。附加上光谱信息后，对象的一致性将利用由紧致性参数定义的对象形状来优化。 紧致性 紧致性准则用于优化与紧致性相关的影像对象。该准则应该用于区分影像对象，这些影 像对象不是从紧密的，而是 从非紧密对象中，仅仅从相对较弱的光谱对比度区分出来。用 滑动条调节用于分割的紧致度。 （1） 紧致度参数对分割结果的影响 试验目的：试验在相同尺度参数和形状参数情况下，改变紧致度参数对多尺度分割的影 响。 尺度参数scale ：50 ；shape ：形状 0.1 （默认参