eCognition(definiens developer)全景天地

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://ecognition.blogbus.com/logs/28560243.html

给大家推荐一篇相当不错的文章 ~!~

        本文在分析基于像元尺度问题研究方法的基础上，围绕面向对象影像分析中存在的尺度转换与最优尺度选择问题，开展了如下几个方面的研究: 

1、提出面向对象影像分析中最优尺度的双重性:一是提取面积最小类别所需的最大分辨率，二是不同类别提取的最优分割尺度。前者指在保证反映地物类别空间结构特征情况下识别最小地物类别的最大分辨率，是包含所需信息而且数据量最小的分辨率。后者是针对于一种地物类别而言的，影像对象多边形既不能太破碎，也不能边界模糊的分割尺度，该尺度下对象大小与特定的地物目标大小接近，且类别内部对象的光谱变异较小。 

2、提出以影像对象均值方差方法确定影像最优分割尺度。该方法能同时确定影像中多种地物类别的最优分割尺度，证明了不同类别有其相应的最优分割尺度，突破了最优尺度选择曲线只能适用于一个类别的限制，但该方法只适用于高分辨率影像信息提取最优尺度的选择，对于中低分辨率的影像效果不甚理想。 

3、提出以影像对象最大面积方法确定影像最优分割尺度。影像对象最大面积随分尺度变化的曲线呈阶梯状上升的趋势，每一个曲线平台对应于每种类别提取适宜尺度的范围，该方法适用于不同分辨率影像的信息提取。通过曲线分析验证了最优尺度或适宜尺度是一个连续的范围值，而不是一个断点值的观点。 

4、提出三种不同的对象类型的概念:纯对象、混合对象与伪对象。影像信息提取在纯对象占多数的尺度层提取能保证有较高的分类精度，因此选择最优分割尺度也就是选择影像中纯对象最多而混合对象数目最少的分割尺度。

 5、以影像对象为基本实体的尺度转换方法就是影像的多尺度分割。不同尺度层上影像对象的属性信息是基于原始影像像元的整合，从而避免了重采样过程中损失大量的有用信息。 

6、提出可以用影像对象的均值、标准差、异质性系数与分形维数作为评价面向对象尺度转换的指标，根据这四个指标随尺度的变化趋势分析尺度转换方法的合理性。 

7、全面介绍了面向对象影像分析技术。面向对象技术在遥感应用中有着无可比拟的优势，是当前影像分析技术的发展趋势。本文回顾了面向对象影像分析中影像分割技术与信息提取技术的方法与研究进展，详细讨论了以遥感影像分析为目标的多尺度影像分割技术以及模糊数学分类技术。 

8、面向对象技术中尺度问题应用:以大庆市城市绿地遥感调查为目标，采用面向对象的信息提取技术及类别识别的最优尺度选择方法，成功提取了乔木、灌木、人工草地与疏林地等绿地覆盖信息，展示了面向对象技术应用于遥感影像信息提取的广阔前景。

下载地址:

http:// www.ecognition.cc/bbs-materials /objects-research.rar

浏览工具: CAJViewer