ECognition的特点与简介

引自 http://blog.sina.com.cn/s/blog_4b700c4c0100bnx5.html

遥感和GIS的距离:

下列最近的发展激发了在地理信息领域对自动影像分析的有效过程的需求:

在遥感领域越来越倾向于更加强大和更加廉价的程序:新的提供高分辨率影像数据卫星的产生、新的雷达传感器以及在航空数据生产方面更富成效的技术正在创造对自动解译的强烈的需求。

对于每个其他类型的数据库文 件,GIS的效率依赖于质量和最新的数据。因此,对遥感和GIS整合的强烈需求是存在的:企望使用地球观测信息来更新和生成GIS数据库。从遥感数据生成 GIS目标在未来几年内将成为遥感和GIS界一项极富挑战性的任务。然而,自动影像分析程序技巧的现状受到限制,极大量的工程只有在大量人力操作的帮助下 才能实现。

基于像元方法的缺点:

这些限制的原因在哪里呢?大多数商业性解决自动影像分析的方案主要受导于基于像元的方法。但是三个方法上的障碍也因此反复出现:

基于像元的方法具有深刻的困 难,在访问有纹理或低对比度的数据(例如VHR或者雷达数据)时或者在确定土地利用类型并且缺少纯粹土地覆盖时尤其典型。大多数情况下对地理信息的需求包 括对前后关联信息的分析,例如对嵌在一定上下文中的或者生镜中的组分的分析。更新矢量GIS需要从地球观测数据生成的有意义的分类多边形。基于像元解译的 多边形很少能满足GIS对多边形的要求。

在很多操作过程中感兴趣的特定区域的GIS信息已经存在,应用这些信息来解译新的遥感影像将非常有用和省时,但通常没有工具在整合和同时处理不同数据类型时允许和支持多源数据融合。

新的方案:

事实上,上面提到的困难是如此深刻,因此,有效的遥感和GIS的整合仍然是一个研究和发展问题。然而,eCongnition是基于一种新的自动影像分析方法,是专门为解决这些特定的问题设计的。ECongnition 非常期望成为您选择来进行分析的工具、特别是在操作设置下的应用。

Econgnition的优点:

1.以提供一整套基本工具进行自动影像分析为特色的综合性系统;

2.对纹理或者低反差数据的分析,例如VHR-卫星影像、航空或雷达数据;

3.容易调节影像目标精度到指定影像数据和指定任务;

4.透明的、可调节的模糊逻辑分类;

5.非常容易和有效的最近邻知识训练基础:击键与分类;

6.模型化和复杂语意的分析,分析上下关联的信息和对土地利用进行分类;

7.对任意数量层的分析;

8.多源数据整合:同时对任意数据类型的分析,例如不同精度、GIS层、高程数据等;

9.整合进入或者更新GIS数据库的专题栅格层的输出;

10.直观的操作;

11.不同的透明度和可访问的界面用来显示关于影像目标的信息、特征和每个单步分类;

12.纯粹的影像分析软件;

13.面向分割(同质区);

14.基于模糊逻辑的分类知识;

15.不同的分割级别;

16.基于栅格;

17.使用成员函数与/或采样进行分类,上下文特征、分割特征(如形状)等等可用于分类;

18.分辨率合并;

19.NDVI;

20.GIS数据用于街区;

21.PAN(漫游);

 

与传统遥感软件信息提取的对比

特点:
面向对象的信息提取

eCognition可以进行基于样本的监督分类或基于知识的模糊分类、二者结合基于面向对象的信息分类及人工分类,影像对象和分类结果易于导出成常用GIS数据格式,可以用于集成或GIS数据库更新。

而传统的遥感分类软件只是基于像素的提取

基于像素和基于对象的分类结果的比较。
面向影像对象:
• 面向像素的解算模式将像元孤立化分析,解译精度较低且斑点噪声难以消除;
• 利用影像分割技术把影像分解成具有一定相似特征的像元的集合—影像对象;
• 影像对象和像元相比,具有多元特征:颜色、大小、形状、匀质性等

 

传统的遥感信息分类和提取,主 要是利用数理统计与人工解译相结合的方法.这种方法不仅精度相对较低,效率不高,而且依赖参与解译分析的人,在很大程度上不具备重复性.专业高分辨率遥感 影像分类软件eCogniton采用一种全新的面向对象图像的分类技术来进行影像的分类和信息提取.面向对象图像分类技术的关键技术在于:(1)用来解译 图像的信息并不在单个像元中,而是在图像对象和其相互关系中;(2)eCogniton采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比; (3)基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信 息.eCogniton的分类结果与传统分类方法相比。其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类.

你可能感兴趣的:(IO)