eCognition v10.1版本新增算法——多数投票特征 |
发布时间:2021-08-13 17:09:11| 浏览次数: |
多数投票特征工具位置:
Object Features/Relations to objects/Sub-objects/Majority vote area; Object Features/Relations to objects/Sub-objects/Majority vote count;
关键点:
1. 这些特征中主对象分类的结果是基于子层级的大多数对象分类上的; 2. 最终类别返回值是基于子对象中的数目或者面积的,然后重新划分到目标类 3. 通过重复运用多数投票特征,不断的缩小棋盘格范围,达到提高数据准确度的效果。
基本分类思想图 重点回顾 1. 原始数据展示。
2. 创建一个用于存放多数投票特征结果的父层级(Super-Level),并进行棋盘分割(对象大小为150),父层级的结果如下
3. 在Super-Level父层级上进行:对类容器中已经存在的5大类地物分别进行类条件描述
4. 多数投票特征一,按子层级中5大地物类型在每个棋盘格中所占的面积。 新建assign class算法,条件如下所示,其它类别均是如此
最后5类的投票结果如下:
5. 同时打开影像对象信息窗口,观察多数投票特征值中土壤、森林、草地、城镇、水体5大因子的变化。以草地因子为例:多数投票的父层级显示类别为草地类型,子层级显示为混合类,通过对象信息框可以看到草地因子的子对象面积为5类因子中占比最大,故投票区为草地类型
6. 多数投票特征二,按子层级中5大类型在每个棋盘格中所占的数目。 首先创建多数投票数目特征,新建assign class算法,条件如图中高亮部分所示,执行结果如下
7. 运用classification依据类条件描述进行分类,该规则集的位置和结果如下(该规则集执行完毕后删掉)
8. 为了将要投票的单个区域继续缩小,故修改规则集中棋盘分割算法对象大小,改为50,然后基于父层级(Level Majority Vote)执行下图中红框内所有规则集,结果如下
9. 按照规则集顺序执行多数投票特征一,即按地物类型面积进行投票部分,执行结果如下
10. 先激活但不执行图中based on districts标签部分的规则集 (里面的规则集主要是创建修改工程,加入districts.shp/基于行政区矢量分割):在该标签上右击/Actived。接着整体执行一遍图中所示的所有规则集:在Prepare Super level标签上右击/execute。结果如下
11. 按照规则集顺序整体执行多数投票特征一,按地物类型面积进行投票部分,执行结果如下,我们通过影像对象信息框就可以看出该地区不同的行政区内5类地物因子所占的比重分别是多少。
Grassland类型占比图
forest类型占比图 规则集大盘点
多数投票特征的运用,让我们可以对一个地区的地物类型进行一个初步的估计,能从整体上把握该地区的土地利用类型情况。这对于农作物类型的分布与估产将会提供很大的帮助,关于更详情的数据操作流程欢迎咨询小编哦。
扫描二维码观看原版视频
公海贵宾作为天宝公司Inpho中国区授权代理商、eCognition软件中国区授权代理商和政府解决方案及规则集开发商、美国Maxar卫星数据代理商,能够为广大用户提供从数据获取、处理与解译分析到最终成果的“一站式”应用解决方案。 更多资讯,可关注微信公众号,或登录公海贵宾公司官网:http://www.mapcore.com.cn/ 联系电话:010-62908360
|
上一篇:eCognition v10.1版本算法 —— 实现分类结果移除的两种途径 下一篇:eCognition v10.1版本算法——影像对象融合 |