eCognition 实例 1.1、TM 影像的分类 在这个练习中，您将会运用一种基于 TM 影像数据的最近邻域的分类方法。 在这一练习中，您将学会： z 怎样装载和显示栅格图像； z 运行一种图像分割； z 建立一种简单的分类层次； z 在图像分类描述中插入最近邻域分类器； z 进行分类； 1.1.1 导入栅格图像 1、运行 eCognition，从“File”菜单中选择 New Project... 2、浏览目录”\data\orangecounty\”,通过按住 Shift 键同时选择五张位图，然后打开。 3、点击“ OK” 导入栅格图层导新工程中，显示如下视图。 1.1.2 创建图像对象 1 、在“Process Tree”面板中点击鼠标右键，选择选择“Append New”。 2 、“Algorithm”中选择“Segmentation->multi-resolution segmentation” 3 、编辑分割指数。 4、点击“Execute”。 5、利用“View Settings”对话框显示分割完后的图像，可以显示原始图像，也可以用对象均值显示。 现在已经建立了一个简单的包括图像对象图层的体系。从每一个图像对象中我们可以得到大量可用于图像分类的信息。 1.1.3 通过分类体系创建知识库 1、从 “Classification”菜单中选择“Class Hierarchy...”。 在这一练习中图像将会分为四类：impervious surface,water,agriculture 和 rural.首先要做的是确定每一类的名称和颜色。 2、选择“Classification->Edit Classes-〉Insert Class”或者在此窗口点击鼠标右键，选择“Insert Class”，生成 impervious surface, water, agriculture 和 rural 四类。 1.1.4 插入分类器 这个练习是利用最邻近域分类方法。当你在类描述中插入标准最近邻域分类器之前，要定义特征空间，在特征空间中图像对象之间的距离将会被计算。相比传统的最邻近方法，此标准邻域是个项目的一种定义，因此可以用一个有代表性的特征空间作用到所有的类描述中。当你在任意地方改变标准最近邻域的特征空间时，其它地方的也会随之改变。 1、选择菜单“Classification-> Nearest Neighbor-> Edit Standard NN Feature Space...” 2、在此练习中，我们将通过光谱相似度来进行分类，因此我们选择“Object feature->Layer Value->Mean”您可以看到在右边的窗口里有七个图层的平均值。若此特征空间被采纳，可以点击 Ok.如需在此类图层中再选择，在右侧面板中点击待去除的特征。 注意：尽量使用少的特征，在一个类描述中使用太多的特征可能会有...
