面向对象图像分类
技术支持邮箱：ENVI-IDL@ 技术支持热线：400-819-2881-7 官方技术博客：/enviidl 官方技术qq群：148564800
面向对象的图像分析
• 同物异谱，同谱异物”会对影像分类产生的影响，加上 高分辨率影像的光谱信息不是很丰富，还有经常伴有光 谱相互影响的现象，这对基于像素的分类方法提出了一 种挑战，面向对象的影像分类技术可以一定程度减少上 述影响 • 面向对象的技术
本节收获
• • • • 学习了ENVI FX工具 设置规则进行面向对象分类 选择样本的面向对象分类 用单波段影像进行面向对象分类
方法
征
谱和高光谱影像
利用率几乎为零
基于专家知识决策树 根据光谱特征、空 单个的影像像 多源数据 间关系和其他上下 元 文关系归类像元
知识获取比较复 杂
面向对象的分类方法 几何信息、结构信 一个个影像对 中 高 分 辨 率 多 光 速度比较慢 息以及光谱信息 象 谱和全色影像
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
面向对象分类练习——分割影像
• 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。 • 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
面向对象分类练习——合并分块
• 规则分类
每一个分类有若干个规则（Rule）组成，每一个规则有若干个属 性表达式来描述。规则与规则直接是与的关系，属性表达式之间 是并的关系
面向对象分类练习1——特征提取
• 对屋顶的一个描述：
NDVI小于0.3（区分植被和非） 矩形化程度大于（剔除道路干扰） 面积大于45平方米（剔除小斑块干扰） 延长线小于3（剔除道路干扰） 绿波段的平均光谱小于650（剔除水泥地干扰）
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，利用空间，纹理，和光 谱信息来分割和分类的特点 像元分类的区别
类型 基本原理 影像的最小 单元
元
适用数据源
缺 陷
传统基于光谱的分类 地物的光谱信息特 单个的影像像 中 低 分 辨 率 多 光 丰 富 的 空 间 信 息
• 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。 • FX利用了 Full Lambda-Schedule算法，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。 • 这一步是可选项，如果不需要可以直接跳过。
面向对象分类练习1——特征提取
面向对象分类操作流程
• 发现对象 • 特征提取
发现对象
影像分割 合并分块
输出对象 为矢量文件？
是
否
特征提取
定义要素 规则分类 监督分类
导出要素
查看报告和统计
完成
面向对象分类练习
• 基于规则的面向对象分类
数据“24-面向对象图像分类\1-基于规则”
• 基于样本的面向对象分类
数据“24-面向对象图像分类\2-基于样本”
面向对象分类练习——输出结果
• 特征提取结果输出
矢量 图像（分类图像、规则图像) 结果统计报表
面向对象分类练习2——基于样本
• 监督分类
根据一定样本数量以及其对应的属性信息，提供K邻近法、支持 向量机主成分分析法进行特征提取
面向对象分类练习3——单波段影像提取河流
• 采用单波段影像，使用ENVI FX面向对象信息提取工具中 的”Rule based feature extraction workflow” 进行 河流信息提取
• 单波段影像的面向对象分类
数据“24-面向对象图像分类\3-面向对象提取河流”
注 ： 本 课 程 需 要 面 向 对 象 空 间 特 征 提 取 模 块 (ENVI Feature Extraction-FX)使用许可。
面向对象分类练习——准备工作
• 空间分辨率的调整
• 光谱分辨率的调整
• 多源数据组合 • 空间滤波