eCognition中的分割与分类方法研究.docVIP

eCognition中的分割与分类方法研究 1 eCognition中的图像分析主要过程如下： 图1 eCognition中图像分析的主要流程 2 Multiresolution segmentation 采用不同的尺度，进行多次分割，形成网络层次结构，每一个分割都利用低一层的影像对象作为原料，这些原料随之在新分割中进行合并。同时，也遵循高一层中的对象边界限制。这个网状结构是一个拓朴关系，比如，父对象的边界决定了子对象的边界，父对象的区域大小由子对象的总和决定。每一层都由它的直接的子对象来构成，在下一个高层上，子对象合并为大对象。这个合并会被已有父对象的边界所限制。如果是不同的父对象，那么相邻的对象不能进行合并。 图2 影像多尺度分割的网络层次结构 从一个单个像元开始,分别与其相邻对象进行计算,若相邻的两个对象和合并后的异质性指标小于给定的域值，则合并，否则不进行合并。当一轮合并结束后，以上一轮生成的对象为基本单元，继续分别与它的相邻对象进行计算，这一过程将一直持续到在用户指定的尺度上已经不能再进行任何对象的合并为止。 3 Computation of the heterogeneity criterion 1)对象的光谱(spectral)异质性指标： (1) 其中为图层的权重，为图层的标准差，c 为图层数；根据不同的