正文內容

影像信息提取之面向對象特征提取流程(編輯修改稿)

2026-05-09 06:36 本頁面

　

【文章內容簡介】 w。在Toolbox中找打該工具，雙擊打開流程化的面板，前面兩步和第一種方法的前兩步完全一致，選擇數據和發現對象，在此不一一贅述。我們直接看特征提取這部分：基于樣本的圖像分類。第三步：基于樣本的圖像分類經過圖像分割和合并之后，進入到監督分類的界面，如下圖所示：圖10監督分類界面1)選擇樣本對默認的一個類別，在右側的Class Properties中，修改顯示顏色、名稱等信息。圖11修改類別屬性信息在分割圖上選擇一些樣本，為了方便樣本的選擇，可以在左側圖層管理中將Region Means圖層關閉掉，顯示原圖，選擇一定數量的樣本，如果錯選樣本，可以在這個樣本上點擊左鍵刪除。一個類別的樣本選擇完成之后，新增類別，用同樣的方法修改類別屬性和選擇樣本。在選擇樣本的過程中，可以隨時預覽結果。可以把樣本保存為shp文件以備下次使用。點擊按鈕可以將真實數據的ShapeFile矢量文件作為訓練樣本。這里我們建立5個類別：道路、房屋、草地、林地、水泥地，分別選擇一定數量的樣本，如下圖所示。圖12選擇樣本2)設置樣本屬性切換到Attributes Selection選項。默認是所有的屬性都被選擇，這些選擇樣本的屬性將被用于后面的監督分類。可以根據提取的實際地物特性選擇一定的屬性。這里按照默認全選。圖13樣本屬性選擇3)選擇分類方法切換到Algorithm選項。FX提供了三種分類方法：K鄰近法（K Nearest Neighbor）、支持向量機（Support Vector Machine，SVM）和主成分分析法（Principal Components Analysis，PCA）。圖14分類方法K鄰近分類方法依據待分類數據與訓練區元素在N維空間的歐幾里得距離來對影像進行分類，N由分類時目標物屬性數目來確定。相對傳統的最鄰近方法，K近鄰法產生更小的敏感異常和噪聲數據集，從而得到更準確地分類結果，它自己會確定像素最可能屬于哪一類。在K參數里鍵入一個整數，默認值是1，K參數是分類時要考慮的臨近元素的數目，是一個經驗值，不同的值生成的分類結果差別也會很大。K參數設置為多少依賴于數據組以及您選擇的樣本。值大一點能夠降低分類噪聲，但是可能會產生不正確的分類結果，一般值設到37之間就比較好。支持向量機是一種來源統計學習理論的分類方法。選擇這一項，需要定義一系列參數：a)Kernel Type下拉列表里選項有Linear，Polynomial，Radial Basis，以及Sigmoid。n如果選擇Polynomial，設置一個核心多項式（Degree of Kernel Polynomial）的次數用于SVM，最小值是1，最大值是6。n如果選擇Polynomial or Sigmoid，使用向量機規則需要為Kernel指定the Bias，默認值是1。n如果選擇是Polynomial、Radial Basis、Sigmoid，需要設置Gamma in Kernel Function參數。這個值是一個大于零的浮點型數據。默認值是輸入圖像波段數的倒數。b）為SVM規則指定the Penalty參數，這個值是一個大于零的浮點型數據。這個參數控制了樣本錯誤與分類剛性延伸之間的平衡，默認值是100。Allow Unclassified是允許有未分類這一個類別，將不滿足條件的斑塊分到該類，默認是允許有未分類的類別。Threshold為分類設置概率域值，如果一個像素計算得到所有的規則概率小于該值，該像素將不被分類，范圍是0~100，默認是5。主成分分析是比較在主成分空間的每個分割對象和樣本，將得分最高的歸為這一類。這里我們選擇K鄰近法，K參數設置為5，點擊Next，輸出結果。最終結果的輸出方法和基于規則的一樣。直接輸出矢量該方法的工具為Toolbox/Feature Extraction/Segment Only Feature Extraction Workflow。操作方法參考前面的第一和第二步驟，第三步直接選擇路徑輸出分割柵格結果和矢量結果。從以上的實際操作可以看到，ENVI FX擴展模塊操作具有易于操作（向導操作流程），隨時預覽效果和修改參數。小結基于像元的分類方法，依據主要是利用像元的光譜特征，大多應用在中低分辨率遙感圖像。而高分辨率遙感圖像的細節信息豐富，圖像的局部異質性大，傳統的基于像元的分類方法易受高分辨率影像局部異質性大的影響和干擾。而面向對象分類方法可以高分辨率圖像豐富的光譜、形狀、結構、紋理、相關布局以及圖像中地物之間的上下文信息，可以結合專家知識進行分類，可以顯著提高分類精度，而且使分類后的圖像含有豐富的語義信息，便于解譯和理解。對高分辨率影像來說，還是一種非常有效的信息提取方法，具有很好的應用前景。ENVI FX操作說明（補充）ENVI FX的操作可分為兩個部分：發現對象（Find Object）和特征提取（Extract features）。準備工作根據數據源和特征提取類型等情況，可以有選擇的對數據做一些預處理工作。l空間分辨率的調整如果您的數據空間分辨率非常高，覆蓋范圍非常大，而提取的特征地物面積較大（如云、大片林地等）。可以降低分辨率，提供精度和運算速度。可利用ENVI主界面Basic ToolResize Data工具實現。l光譜分辨率的調整如果您處理的是高光譜數據，可以將不用的波段除去。可利用ENVI主界面Basic Toollayer stacking工具實現。l多源數據組合當您有其他輔助數據時候，可以將這些數據和待處理數據組合成新的多波段數據文件，這些輔助數據可以是DEM, lidar 影像, 和SAR 影像。當計

點擊復制文檔內容

公司管理相關推薦

影像信息提取之面向對象特征提取流程(編輯修改稿)

基于特征提取的人臉檢測與定位技術-資料下載頁

攝影測量學點特征提取模擬實踐-資料下載頁

基于matlab的手背靜脈圖像特征提取-資料下載頁

物體識別中的特征-基于sift特征提取、描述、匹配-資料下載頁

畢業設計--灰度圖像特征提取算法研究-資料下載頁

基于光譜的遙感圖像特征提取方法研究-資料下載頁

生物圖像特征提取算法研究(畢業論文-資料下載頁

基于特征提取的人臉檢測與定位技術-資料下載頁

找礦技術方法與信息提取-資料下載頁

[工學]仿射不變性的特征提取-資料下載頁

基于天繪一號衛星影像的水體信息提取對比研究-資料下載頁

基于多尺度幾何分析的人臉特征提取-資料下載頁

[計算機]紅外圖像特征提取方法研究-資料下載頁

中考語文信息提取題456-資料下載頁

基于面向對象技術的遼東灣雙臺子河口濕地信息提取分析研究碩士畢業論文-資料下載頁

影像信息提取之面向對象特征提取流程(專業版)

影像信息提取之面向對象特征提取流程(留存版)

影像信息提取之面向對象特征提取流程-文庫吧

影像信息提取之面向對象特征提取流程-wenkub