eCognition-(易康)案例分析思路.pdf

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
携 手 共 创 美 好 的 二 十 一 世 纪 目录 公司简介 01 eCognition基于知识分析 02 eCognition监督分类 03 eCognition隶属度分类 核心产品 金牌服务 基于知识分类 • 影像:generalize:\QB_Yokosuka • 区分类别: 水体 非水体 植被 非植被 • 分类算法:assign class 分类算法 合并算法:merge region; • 优化算法: pixel-based object resizing • 使用特征:近红外波段 (区分水体);自定义特征——NDVI • 操作路线:分割  阈值分类  阈值分类 合并  优化 (增长、收缩) 监督分类--最邻近监督分类 • 影像: “Classifier Example Image ” • 区分类别: 水体 植被 其他 • 操作路线:分割  选样本 配置最邻近特征  分类 • 使用算法:nearest neighbor configuration配置最邻近特征 ; classification算法 • 使用特征:波段均值 监督分类--分类器 • 影像: “Classifier Example Image ” • 区分类别: 水体 植被 其他 • 操作路线:分割  根据矢量文件选样本 分类器选择/训练/执行 • 使用算法:classifier算法 (Cart/SVM/ KNN…) • 分类过程:Train  Apply Query • 分类特征:均值 隶属度分类 • 影像:QB_Yokosuka • 区分类别: 水体 植被 非水体 浓密植被 非植被 稀疏植被 • 使用算法:类别隶属度描述+classification 算法 • 使用特征:近红外波段 (区分水体);NDVI (植被/浓密) • 操作路线:分割  类别隶属度描述 classification 算法 • 类别继承: Group Hierarchy (显示不同类别的类间特征 如rel. border to特征);Inheritance Hierarchy (继 承父类别的特征) 变化检测 • 提取 目标: • 前期 (植被T 1+非植被T 1)与后期 (植被T2+非植被T2 )之间的变化; • 变化类别:植被增加;植被减少;植被未变化 • 操作路线:复制地图  分别分类  同步地图  变化检测 • 使用功能:copy map; synchronize map;

文档评论(0)

liuzhouzhong + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档