面向对象影像分析简要介绍以eCognition为例.docVIP

面向对象影像分析简要介绍 ——以eCognition软件为例 前言 遥感影像的光谱，空间，时间分辨率不断提高，为开展各类遥感应用提供各种数据。但在遥感数据获取能力增强的同时，也使得丰富的影像数据得不到充分利用和挖掘，从而出现“数据丰富，信息贫乏”的困境。如何快速自动准确地从遥感影像中提取出能满足某种应用的专题信息，是我们亟待要解决的问题。 随着面向对象思想的风行以及面向对象影像分析技术的不断成熟，使得我们从高分影像中提取专题信息变得更加便捷。尤其是一些商业的面向对象影像分析软件的出现，如eCognition，Feature Analysis。eCognition软件的口号就是“Exploring the soul of imagery(发掘影像最大潜能)”。本论文旨在从eCognition软件了解面向对象影像分析的相关思想和技术。希望通过探究eCognition软件背后的思想以及技术原理，如面向对象，多尺度分割，模糊分类等，为高分辨率遥感影像的特征描述以及建模带来一些启发。 面向对象 面向对象的思想是针对具体应用，将问题处理对象（逻辑概念上或物理概念上）划分为合适粒度（即对象）来进行处理，并封装其相应的属性以及行为，同时为了更好的复用以及扩展，维护更新，使其具有继承，多态，聚合等特性。 对象 对象是指状态和行为的集合体，在物理实现上表现为数据和操作的集合，逻辑上表现为有职能的实体。它是用来描述现实世界中的物理概念或逻辑概念上的物体。比如人就是一个对象，它有性别，年龄，姓名等属性，人有吃饭睡觉等行为。武汉大学也是一个对象，它有名称，学院机构，学校历史等属性，也有教学科研等行为。不同的是人是物理概念上的对象，武汉大学是逻辑概念上的对象。 抽象性，封装性，继承性 抽象是抽取出我们所感兴趣的部分，用这些少量特征来描述一个事物。封装性是对事物的数据和操作进行封装，即对其状态和行为进行封装。继承特性是对事物属性和行为的继承。在面向对象影像分析中，抽象表现为提取出遥感专题信息。封装性表现为将影像对象的光谱，形状，纹理等特性进行封装。而继承特性在体现在多尺度分割中，通过将影像基于对象或是基于像素按照一定尺度自底向上合并成不同的对象，从而建立起与父对象，子对象，相邻对象的关系。如图1.1所示: 图1.1 多尺度网络[1] 从图1.1可以看出，最下面为像素层，最上面为影像整幅场景。由像素层按照一定允许的异质性（即尺度）合并像素生成Level1，然后基于Level1合并生成Level2。如果从Level3生成Level2（注：Level3的尺度大于Level2），则基于Level3分裂生成Level2。从图上层次网络可以看出，Level2是Level1的父层，是Level3的子层。子层继承父层的属性。我们可以从某层的父层找到该层对象的父对象，从某层的子层找到该层的子对象。我们也可以从图1.2中更好的理解父对象和子对象。 图1.2. the hierarchy of image objects[2] (影像对象的层次) 从图1.2中可以看出，基于像素层，自底向上，抽象层次越来越高，分割尺度也越来越大。Cell Level的Cell是Nucles Level的Cell bodyNucleus的父对象，Spot Level的Spots in Nucleus是Nucles Level的Cell bodyNucleus的子对象。 对象之间的层次关系可以很好的反映目标与背景的关系以及目标的上下文信息，这样一定程度可以避免同物异谱，异物同谱的现象。 面向对象影像分析 面向对象的遥感影像分析的基本原理是根据像元的形状、颜色、纹理等特征，把具有相同特征的像素组成一个影像对象，然后根据每一个对象的特征对这些影像对象进行分类。面向对象影像分析有两个独立的模块：对象生成与信息提取，即分割与分类。影像分割是首先基于对整个影像进行尺度空间的构建，然后再根据分割参数提取出不同的对象多边形。分类是根据分割得到的对象的属性（如光谱特征，形状特征，纹理特征等）赋予其语义信息，也就是赋予其属于哪一类地物。 在易康软件中将影像定义为：影像并非由单个像素来代表，而是由包含重要语义信息（如光谱特征，形状特征，纹理特征等）在内的影像对象以及他们之间的相互关系（父子对象之间的关系，相邻对象之间的关系）构成[2]。 易康软件最大的特色采用面向对象的遥感影像分析，首先将影像按照一定尺度分割成一个个对象，然后对每一个对象封装其光谱，形状，纹理等特性，并且建立该对象与其相邻对象，父对象，子对象之间的关系。其主要体现如下： 如图1.3所示：通过分类将一副影像抽象成几类地物的信息。 图1.3. 高分影像面向对象分类（抽象性） 图1.4. 分类体系 图