本書在eCognition軟件初、高級培訓教材的基礎上,集作者多年基于對象影像分析研究和實踐經(jīng)驗編著而成。系統(tǒng)介紹了基于對象影像分析原理和影像分析方法,除了傳統(tǒng)的基于規(guī)則的影像分類方法外,著重介紹了近年來比較流行的機器學習分類方法。全書分為理論篇、基礎篇和高級篇3篇,共16章。理論篇分3章,主要介紹基于對象影像分析技術產生的背景、發(fā)展歷程、常用軟件、核心技術及原理;基礎篇分7章,內容包括規(guī)則集開發(fā)術語和界面操作
更多科學出版社服務,請掃碼獲取。
目錄
前言
理論篇
第1章 引言 3
1.1 基于對象影像分析 3
1.2 高分辨率影像分析需求 4
1.3 空間地理信息快速更新需求 5
1.4 常用基于對象影像分析軟件 6
第2章 遙感影像分析 15
2.1 遙感影像分析層次 15
2.2 遙感影像分析本質 16
2.3 遙感影像分析框架 18
第3章 eCognition 基于對象影像分析 25
3.1 模擬人類認知過程 25
3.2 多源數(shù)據(jù)融合 27
3.3 知識表達體系 28
3.4 算法概述 33
3.5 影像分割 38
3.6 特征概述 44
3.7 對象分類 50
3.8 對象修整 64
3.9 矢量處理 65
3.10 精度評價 67
基礎篇
第4章 規(guī)則集開發(fā)界面 73
4.1 界面視圖 73
4.2 常用工具欄 74
4.3 常用視圖 75
第5章 影像分割 77
5.1 創(chuàng)建工程 77
5.2 創(chuàng)建分割進程 79
5.3 保存規(guī)則集和工程 92
第6章 閾值分類 93
6.1 創(chuàng)建工程 93
6.2 影像分割 95
6.3 區(qū)分水體和非水體 95
6.4 區(qū)分植被和非植被 100
6.5 合并同類對象 103
6.6 去除小圖斑 104
6.7 平滑 105
第7章 隸屬度分類 109
7.1 創(chuàng)建工程 109
7.2 影像分割 110
7.3 區(qū)分水體和非水體 110
7.4 區(qū)分植被和非植被 113
7.5 閾值分類和隸屬度分類比較 117
第8章 最鄰近分類 119
8.1 創(chuàng)建工程 119
8.2 影像分割 120
8.3 樣本選擇 120
8.4 最鄰近分類 124
第9章 機器學習分類器 127
9.1 創(chuàng)建工程 127
9.2 影像分割 128
9.3 查看樣本文件 129
9.4 矢量轉化為樣本 129
9.5 使用CART 分類器分類 131
第10章 精度評價 135
10.1 創(chuàng)建工程 135
10.2 結合矢量分割 136
10.3 驗證點轉化為樣本 137
10.4 精度評價與結果導出 140
高級篇
第11章 簡單建筑物提取 145
11.1 規(guī)則集開發(fā)過程 145
11.2 項目分析 148
11.3 創(chuàng)建工程 149
11.4 評估數(shù)據(jù)內容 149
11.5 創(chuàng)建影像對象 150
11.6 分類具有高度的對象 151
11.7 基于DSM 的細化 153
11.8 基于光譜信息的細化 155
11.9 基于上下文的細化 156
11.10 基于形狀的細化 158
第12章 復雜建筑物提取 160
12.1 項目分析 160
12.2 創(chuàng)建工程 161
12.3 濾波技術挖掘DSM 數(shù)據(jù)的深層信息 161
12.4 創(chuàng)建影像對象 164
12.5 分類陡坡 166
12.6 分類地面 167
12.7 分類建筑 170
12.8 精細化建筑分類 172
12.9 清理陡坡對象 173
12.10 清理建筑對象 182
12.11 準備導出 185
12.12 導出矢量文件 187
第13章 城市地表不透水區(qū)制圖 189
13.1 項目分析 189
13.2 創(chuàng)建工程 190
13.3 結合地塊矢量的分割 190
13.4 地塊分類 191
13.5 不透水區(qū)分類 192
13.6 地塊不透水區(qū)占比分析 196
13.7 統(tǒng)計數(shù)據(jù)導出 197
13.8 矢量數(shù)據(jù)導出 200
13.9 提高效率和改善質量 201
第14章 種子增長法提取水體邊界 206
14.1 水體的種子對象分類 207
14.2 為種子對象創(chuàng)建候選對象緩沖區(qū) 209
14.3 使用Mean Difference to 特征增長水體 212
14.4 整理分類結果和消除尺寸過小的對象 215
14.5 使用變量改善規(guī)則集的可移植性 216
14.6 自動化處理 219
第15章 基于卷積神經(jīng)網(wǎng)絡的十字符號提取 223
15.1 卷積神經(jīng)網(wǎng)絡 223
15.2 從分類熱度圖到精度評價 229
第16章 變化檢測 233
16.1 創(chuàng)建工程 234
16.2 復制地圖 234
16.3 分別分類 236
16.4 同步地圖 241
16.5 變化檢測 245
第17章 對象形狀修整 248
17.1 區(qū)域增長 248
17.2 基于像素的對象修整:邊界平滑和規(guī)整化 250
17.3 基于像素的對象修整:光譜特征規(guī)整化 255
17.4 影像對象融合 257
參考文獻 260
附錄1 獲取更多幫助和信息 262
附錄2 基本概念和術語 263