遥感影像分类实验报告记录

————————————————————————————————作者：————————————————————————————————日期：

面向对象分类实验报告

姓名：

学号：

指导老师：

地球科学与环境工程学院

一、实验目的

面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。

面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。

二、实验意义

1、使用eCognition进行面向对象的影像分类的流程；

2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言；

三、实验内容

3.1、影像的预处理

利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。

图 1 图像融合步骤

图 2 融合后的图像

3.2、使用eCongition 创建工程

a、使用规则集模式创建工程

图 3 模式选择

b、file->new projection ，打开Create Project和Import Image Layers两个

对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文）

图 4 导入数据

c、选择数据修改波段名称,并设置Nodata选项。

图 5 修改波段名称

d、设置波段组合为真彩色，设置如下（可以添加近红外在绿光通道的显示，以增强植被的显示，看起来会舒服一些），并保存工程。

图 6 设置波段组合

3.3、对象生成的多尺度分割

a、首先在进程数（规则集区域）右击，选择Append New选项，打开程序编辑对话框，在algorithm框中选择需要的算法。

图 7 新建分割处理

b、在上述的基础上，插入子类，选择多尺度分割算法，分割尺度为20

图 8 插入子类

图9 分割前后的结果对比

3.3、信息的分类：提取

3.3.1、植被分类（阈值分类）

a、在Class Hierarchy 对话框中新建植被分类，并修改植被颜色

图10 新建植被分类

b、在Process Tree 中新建的植被分类，并选择assigned classify阈值分类

图 11 新建分割植被分类

c、创建NDVI函数：feature view→object features→customized→create new arithmetic。修改Feature names 为NDVI , 并编辑算法。

图12 创建NDVI