影像信息提取之面向对象特征提取作业流程.docx

“同物异谱，同谱异物”会对影像分类产生影响，加上高分辨率影像光谱信息不是很丰富，还有常常伴有光谱相互影响现象，这对基于像素分类方法提出了一个挑战，面向对象影像分类技术能够一定程度降低上述影响。本专题以ENVI中面向对象特征提取FX工具为例，对这种技术和处理步骤做一个简单介绍。本专题包含以下内容：面向对象分类技术概述ENVIFX介绍ENVIFX操作说明1、面向对象分类技术概述面向对象分类技术集合临近像元为对象用来识别感爱好光谱要素，充足利用高分辨率全色和多光谱数据空间，纹理，和光谱信息来分割和分类特点，以高精度分类结果或矢量输出。它关键分成两部分过程：对象构建和对象分类。影像对象构建关键用了影像分割技术，常见分割方法包含基于多尺度、基于灰度、纹理、基于知识及基于分水岭等分割算法。比较常见就是多尺度分割算法，这种方法综合遥感图像光谱特征和形状特征，计算图像中每个波段光谱异质性和形状异质性综合特征值，然后依据各个波段所占权重，计算图像全部波段加权值，当分割出对象或基元光谱和形状综合加权值小于某个指定阈值时，进行反复迭代运算，直到全部分割对象综合加权值大于指定阈值即完成图像多尺度分割操作。影像对象分类，现在常见方法是“监督分类”和“基于规则（知识）分类”。这里监督分类和我们常说监督分类是有区分，它分类时和样本对比参数更多，不仅仅是光谱信息，还包含空间、纹理等对象属性信息。基于规则（知识）分类也是依据影像对象属性和阈值来设定规则进行分类。表1为三大类分类方法一个大约对比。类型基础原理影像最小单元适用数据源缺陷传统基于光谱分类方法地物光谱信息特征单个影像像元中低分辨率多光谱和高光谱影像丰富空间信息利用率几乎为零基于教授知识决议树依据光谱特征、空间关系和其它上下文关系归类像元单个影像像元多源数据知识获取比较复杂面向对象分类方法几何信息、结构信息和光谱信息一个个影像对象中高分辨率多光谱和全色影像速度比较慢表1传统基于光谱、基于教授知识决议树和基于面向对象影像分类对比表2、ENVIFX介绍全名叫“面向对象空间特征提取模块—FeatureExtraction”，基于影像空间和影像光谱特征，即面向对象，从高分辨率全色或多光谱数据中提取信息，该模块能够提取多种特征地物如车辆、建筑、道路、桥、河流、湖泊和田地等。该模块能够在操作过程中随时预览影像分割效果。该项技术对于高光谱数据有很好处理效果，对全色数据一样适用。对于高分辨率全色数据，这种基于目标提取方法能愈加好提取多种含有特征类型地物。一个目标物体是一个相关大小、光谱和纹理（亮度、颜色等）感爱好区域。可应用于：从影像中尤其是大幅影像中查找和提取特征。添加新矢量层到地理数据库输出用于分析分类影像替换手工数字化过程含有易于操作（向导操作步骤），随时预览效果和修改参数，保留参数易于下次使用和和同事共享，能够将不一样数据源加入ENVIFX中（DEMs、LiDARdatasets、shapefiles、地面实测数据）以提升精度、交互式计算和评定输出特征要素、提供注记工具能够标识结果中感爱好特征要素和对象等特点。3、ENVIFX操作说明ENVIFX操作可分为两个部分：发觉对象（FindObject）和特征提取（Extractfeatures），图1所表示。图1FX操作步骤示意图下面在ENVI5.0下FX工具，以0.6米QB图像为例，介绍向对象信息提取步骤。下面我们。3.1基于规则面向对象信息提取该方法工具为Toolbox/FeatureExtraction/RuleBasedFeatureExtractionWorkflow第一步：准备工作依据数据源和特征提取类型等情况，能够有选择地对数据做部分预处理工作。空间分辨率调整假如您数据空间分辨率很高，覆盖范围很大，而提取特征地物面积较大（如云、大片林地等）。能够降低分辨率，提供精度和运算速度。可利用Toolbox/RasterManagement/ResizeData工具实现。光谱分辨率调整假如您处理是高光谱数据，能够将不用波段除去。可利用Toolbox/RasterManagement/LayerStacking工具实现。多源数据组合当您有其它辅助数据时候，能够将这些数据和待处理数据组合成新多波段数据文件，这些辅助数据能够是DEM,lidar影像,和SAR影像。当计算对象属性时候，会生成这些辅助数据属性信息，能够提升信息提取精度。可利用Toolbox/RasterManagement/LayerStacking工具实现。空间滤波假如您数据包含部分噪声，能够选择ENVI滤波功效做部分预处理。这里直接在ENVI中打开qb_colorado.dat图像文件。第二步：发觉对象（1）开启RuleBasedFX工具在Toolbox中，找到FeatureEx