eCognition基于对象影像分析教程

目录
前言
理论篇
第1章 引言 3
1.1 基于对象影像分析 3
1.2 高分辨率影像分析需求 4
1.3 空间地理信息快速更新需求 5
1.4 常用基于对象影像分析软件 6
第2章 遥感影像分析 15
2.1 遥感影像分析层次 15
2.2 遥感影像分析本质 16
2.3 遥感影像分析框架 18
第3章 eCognition 基于对象影像分析 25
3.1 模拟人类认知过程 25
3.2 多源数据融合 27
3.3 知识表达体系 28
3.4 算法概述 33
3.5 影像分割 38
3.6 特征概述 44
3.7 对象分类 50
3.8 对象修整 64
3.9 矢量处理 65
3.10 精度评价 67
基础篇
第4章 规则集开发界面 73
4.1 界面视图 73
4.2 常用工具栏 74
4.3 常用视图 75
第5章 影像分割 77
5.1 创建工程 77
5.2 创建分割进程 79
5.3 保存规则集和工程 92
第6章 阈值分类 93
6.1 创建工程 93
6.2 影像分割 95
6.3 区分水体和非水体 95
6.4 区分植被和非植被 100
6.5 合并同类对象 103
6.6 去除小图斑 104
6.7 平滑 105
第7章 隶属度分类 109
7.1 创建工程 109
7.2 影像分割 110
7.3 区分水体和非水体 110
7.4 区分植被和非植被 113
7.5 阈值分类和隶属度分类比较 117
第8章 最邻近分类 119
8.1 创建工程 119
8.2 影像分割 120
8.3 样本选择 120
8.4 最邻近分类 124
第9章 机器学习分类器 127
9.1 创建工程 127
9.2 影像分割 128
9.3 查看样本文件 129
9.4 矢量转化为样本 129
9.5 使用CART 分类器分类 131
第10章 精度评价 135
10.1 创建工程 135
10.2 结合矢量分割 136
10.3 验证点转化为样本 137
10.4 精度评价与结果导出 140
高级篇
第11章 简单建筑物提取 145
11.1 规则集开发过程 145
11.2 项目分析 148
11.3 创建工程 149
11.4 评估数据内容 149
11.5 创建影像对象 150
11.6 分类具有高度的对象 151
11.7 基于DSM 的细化 153
11.8 基于光谱信息的细化 155
11.9 基于上下文的细化 156
11.10 基于形状的细化 158
第12章 复杂建筑物提取 160
12.1 项目分析 160
12.2 创建工程 161
12.3 滤波技术挖掘DSM 数据的深层信息 161
12.4 创建影像对象 164
12.5 分类陡坡 166
12.6 分类地面 167
12.7 分类建筑 170
12.8 精细化建筑分类 172
12.9 清理陡坡对象 173
12.10 清理建筑对象 182
12.11 准备导出 185
12.12 导出矢量文件 187
第13章 城市地表不透水区制图 189
13.1 项目分析 189
13.2 创建工程 190
13.3 结合地块矢量的分割 190
13.4 地块分类 191
13.5 不透水区分类 192
13.6 地块不透水区占比分析 196
13.7 统计数据导出 197
13.8 矢量数据导出 200
13.9 提高效率和改善质量 201
第14章 种子增长法提取水体边界 206
14.1 水体的种子对象分类 207
14.2 为种子对象创建候选对象缓冲区 209
14.3 使用Mean Difference to 特征增长水体 212
14.4 整理分类结果和消除尺寸过小的对象 215
14.5 使用变量改善规则集的可移植性 216
14.6 自动化处理 219
第15章 基于卷积神经网络的十字符号提取 223
15.1 卷积神经网络 223
15.2 从分类热度图到精度评价 229
第16章 变化检测 233
16.1 创建工程 234
16.2 复制地图 234
16.3 分别分类 236
16.4 同步地图 241
16.5 变化检测 245
第17章 对象形状修整 248
17.1 区域增长 248
17.2 基于像素的对象修整：边界平滑和规整化 250
17.3 基于像素的对象修整：光谱特征规整化 255
17.4 影像对象融合 257
参考文献 260
附录1 获取更多帮助和信息 262
附录2 基本概念和术语 263