使用ENVI+eCognition面向对象分类（2）

目录

3.8精度验证

4.十月影像单独监督分类

5.两景影像单独监督分类

---

3.8精度验证

1.创建样本文件

这里的过程和之前的过程大致相同，不过这里需要在植被区域随机选择50个点，然后判断它们属于哪个类别。在Arcgispro中使用“创建随机点”来生成50个随机点。并添加类别字段。

在eCoogniton中载入验证点矢量数据，这里解决下eCognition显示属性表乱码其实是arcgis编码的问题。只要更改了注册表中的信息即可。

下面新建一个工作空间来创建TTA mask文件。

2.结合矢量分割

这里需要利用棋盘切割来获得像素级别的样本点。在 Process Tree 中，右键点击“结合矢量分割”目录进程，从菜单中点击 Insert Child，插入一个棋盘分割的子进程。在 Edit Process 对话框中，Algorithm 选择 chessboard segmentation，作用域中不需要修改，在算法参数中设置 Object Size 为 9999（因为要按照矢量轮廓分割影像，因此要将对象大小设置得要比影像大），Level Name 设置为 Level 1，Thematic Layer usage设置为让验证点矢量文件参与分割（点击 Thematic Layer usage 前面的折叠符号展开列表，点击 classification 和 point 旁边的 Value 栏上的折叠符号，展开后在下拉菜单中都点击 Yes）。

3.验证点转化为样本

在 Process Tree 窗口中，右键点击“结合矢量分割”目录进程，从菜单中点击 Append New，创建一个目录进程。在 Edit Process 对话框中的 Name一栏中输入“验证点转化为样本”

在 Process Tree 窗口中，右键点击”验证点转化为样本”，从菜单中点击 Insert Child，插入一个分类子进程。在 Edit Process 对话框中，Algorithm 选择 assign class by thematic layer（按照矢量属性表进行赋类），算法参数中设置 Thematic layer 为 point，Thematic layer attribute 设置为 class_name（利用验证点文件的 classname 字段进行赋类），Class Mode 设置为 Create new class（由于影像还没有分类，要新建类别）。

分类完成后，样本点所在的对象按照样本点的 class_name 属性字段进行了分类。

  

4. 分类结果转为样本

在 Process Tree 中，右键点击分类进程，在菜单中点击 Append New，新建一个进程，将分类结果转为样本。在 Edit Process 对话框中，Algorithm 设置为 classified image objects to samples，Class filter 中选none。

5.样本创建TTA mask

创建好样本后在classification下创建TTA mask。

完成后将TTA maskb保存在合适的文件件中。

回到分类完毕的项目中，将TTA Mask文件导入进来。首先导入.tif文件，随后将.CSV文件也导入进来。

 

随后弹出的提示让新建类别，由于我们这里已经有了类别了，所以选择否。

将TTA mask中的类别与分类的类别进行一个连接。

 

最后在tool菜单下，进行精度验证，查看精度为60%。

  

4.十月影像单独监督分类

这里分类的过程基本和5月一致需要改变的就是使用10月的波段去训练SVM分类器然后进行分类。

5.两景影像单独监督分类

这里分类的过程基本和之前一致需要改变的就是使用两个月份的波段去训练SVM分类器然后进行分类。