9-面向对象图像特征提取.pptVIP

刘海新 河北工程大学资源学院 电话 ENVI/IDL 9-面向对象图像特征提取 ENVI/IDL 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。 ENVI FX 的操作可分为两个部分：发现对象（Find Object）和特征提取（Extract features），如右图所示。 9.1 面向对象图像分类技术 ENVI/IDL 9.2 与基于像元分类的区别 类型 基本原理 影像的最小单元 适用数据源 缺 陷 传统基于光谱的分类方法 地物的光谱信息特征 单个的影像像元 中低分辨率多光谱和高光谱影像 丰富的空间信息利用率几乎为零 基于专家知识决策树 根据光谱特征、空间关系和其他上下文关系归类像元 单个的影像像元 多源数据 知识获取比较复杂 面向对象的分类方法 几何信息、结构信息以及光谱信息 一个个影像对象 中高分辨率多光谱和全色影像 速度比较慢 注：一种方法不能完全取代另一种，每种方法都有其适用范围 ENVI/IDL 1、准备工作 根据数据源和特征提取类型等情况，可以有选择地对数据做预处理工作。 空间分辨率的调整 如果您的数据空间分辨率非常高，覆盖范围非常大，而提取的特征地物面积较大（如云、大片林地等）。可以降低分辨率， 提供精度和运算速度。可利用envi主菜单下的Basic Tool→Resize Data 工具实现。 光谱分辨率的调整 如果您处理的是高光谱数据， 可以将不用的波段除去。可利用envi主菜单下的Basic Tool→Layer Stacking 工具实现。 9.3 发现对象 ENVI/IDL 多源数据组合 当您有其他辅助数据时候，可以将这些数据和待处理数据组合成新的多波段数据文件，这些辅助数据可以是DEM, lidar 影像, 和SAR 影像。当计算对象属性时候，会生成这些辅助数据的属性信息，可以提高信息提取精度。可利用envi主菜单下的Basic Tool→Layer Stacking 工具实现。 空间滤波 如果您的数据包含一些噪声，可以选择ENVI 的滤波功能做一些预处理。 9.3 发现对象 ENVI/IDL 2、发现对象 （1） 启动Rule Based FX 工具 由于FX工具在envi ex或者ENVI zoom中，可以启动两者之一即可。 在envi ex中，选择file→Open 打开图像qb_colorado.img 在Toolbox 中，双击Feature Extraction，，选择输入的图像文件，点击ok （2）影像分割 FX 根据临近像素亮度、纹理、颜色等对影像进行分割，它使用了一种基于边缘的分割算法，这种算法计算很快，并且只需一个输入参数，就能产生多尺度分割结果。通过不同尺度上边界的差异控制，从而产生从细到粗的多尺度分割。 选择高尺度影像分割将会分出很少的图斑，选择一个低尺度影像分割将会分割出更多的图斑，分割效果的好坏一定程度决定了分类效果的精确度，我们可以通过preview 预览分割效果，选择一个理想的分割阀值，尽可能好地分割出边缘特征。 9.3 发现对象 ENVI/IDL 有两个图像分割算法供选择：Edge， 基于边缘检测，需要结合合并算法可以达到最佳效果；Intensity: 基于亮度，这种算法非常适合于微小梯度变化（如DEM）、电磁场图像等，不需要合并算法即可达到较好的效果。调整滑块阀值对影像进行分割，这里设定阈值为40。 选中preview前面的复选框，可以再zoom窗口中显示一个矩形的预览区，可以利用鼠标移动矩形框进行调整 可以单击 选择分割波段，默认是所有的波段 点击next，将自动生成一个Region means图像，自动加载到图层列表中，并显示在窗口中。 9.3 发现对象 ENVI/IDL 3、合并分块 影像分割时，由于阈值过低，一些特征会被错分，一个特征也有可能被分成很多部分。我们可以通过合并来解决这些问题。合并算法也有两个供选择：Full Lambda Schedule，合并存在于大块、纹理性较强的区域，如树林、云等，该方法在结合光谱和空间信息的基础上迭代合并邻近的小斑块；Fast Lambda: 合并具有类似的颜色和边界大小相邻节段。设定一定阈值，预览效果。这里我们设置的阈值为90，点Next 进入下一步。 注：这一步是可选项，如果不需要可以按照默认的0 直接跳过。 9.3 发现对象 ENVI/IDL 4、分块提炼 FX提供了一种阈值法（Thresholding）进一步精炼分块的方法。它是基于亮度值的栅格操作，根据分割后结果中的一个波段的亮度值聚合分块。对于