識別中的最近鄰分類指南?
基于對象的圖像分析中的最近鄰分類技術(shù)
識別定義開發(fā)者中的最近鄰分類?
想象一下……在這篇文章的結(jié)尾，你將成為一個更好的遙感分析員……所有這些都是因為你學(xué)習(xí)了基于對象的最近鄰圖像分類的高效技術(shù)。
或者你可能只是學(xué)到一些我們將來會看到更多的東西。
我們已經(jīng)比較過了 unsupervised, supervised and object-based classification。
添加微信好友, 獲取更多信息
復(fù)制微信號
最近鄰分類是 隱藏的寶石 在基于對象的分類中。幾乎在雷達(dá)下，沒有什么能接近它對高空間分辨率遙感數(shù)據(jù)進(jìn)行分類的能力。
聽起來很酷？是的。
最近鄰分類是什么？?
基于對象的最近鄰分類（NN分類）是一種 super-powered supervised classification technique .
原因是，您有使用智能圖像對象與多分辨率分割結(jié)合監(jiān)督分類的優(yōu)勢。
什么是多分辨率分割？
MRS為道路生產(chǎn)細(xì)長物體。
MRS為建筑物創(chuàng)造方形物體。
MRS為樹木和草地生成不同比例的對象。
有點像這樣…
多分辨率分割對象
你不能用 pixel-by-pixel approach…
最近鄰分類允許您為每個土地覆蓋類別選擇樣本。您定義分類標(biāo)準(zhǔn)（統(tǒng)計），軟件對圖像的其余部分進(jìn)行分類。
最近鄰分類=多分辨率分割+監(jiān)督分類
現(xiàn)在，我們有一個概述。讓我們來詳細(xì)了解最近鄰分類示例：
最近鄰分類示例?
此示例使用以下波段：紅色、綠色、藍(lán)色、激光雷達(dá)樹冠高度模型（CHM）和激光雷達(dá)光強度（int）。
基于對象的圖像分類層
1執(zhí)行多分辨率分割?
基于像素的土地覆蓋分類
人類自然地將空間信息聚集成群體。當(dāng)你看到土地覆蓋中的鹽和胡椒效應(yīng)時，可能是因為使用了基于像素的分類。
多分辨率分割是為什么 object-based image *** ysis 出現(xiàn)了分類高空間分辨率數(shù)據(jù)集。MRS將對象創(chuàng)建為均勻、智能的向量。
經(jīng)過多分辨率分割后，我們可以看到道路、建筑物、草地和樹木作為智能對象。這就是為什么多分辨率分割比逐像素分類更有價值。
操作： 在流程樹中，添加多分辨率分割算法。 (Right-click process tree window > Append new > Select multiresolution segmentation algorithm)
此示例使用以下條件：
規(guī)模： 100
形狀： 0.1
密實度： 0.5
操作： 執(zhí)行分段。 (In the Process Tree window > Right-click multiresolution segmentation algorithm > Click execute)
SCALE ：設(shè)置多分辨率分段的空間分辨率。值越大，對象越大。
SHAPE ：更高的形狀標(biāo)準(zhǔn)值意味著在分割過程中顏色上的值將更少。
COMPACTNESS ：緊湊性標(biāo)準(zhǔn)值越高，分割后綁定對象越多。
更好的建議是 試錯法 . 用比例、形狀和緊湊度進(jìn)行實驗，得到理想的圖像對象。根據(jù)經(jīng)驗法則，您希望以盡可能大的比例生成圖像對象，但仍然能夠識別對象之間的差異。
2選擇培訓(xùn)區(qū)域?
現(xiàn)在，讓我們通過為對象分配類來“訓(xùn)練”軟件。 其動機是這些樣本將用于對整個圖像進(jìn)行分類。 .
但是我們要分類什么呢？什么是土地覆蓋類別？
操作： 在“類層次”窗口中，為建筑物（紅色）、草地（綠色）、鋪面（粉色）和樹（棕色）創(chuàng)建類。 (Right-click class hierarchy window > Insert class > Change class name > Click OK)
操作： 讓我們在分割的圖像中選擇樣本。添加“示例”工具欄（視圖>工具欄）選擇類并雙擊對象以將示例添加到培訓(xùn)集中。
確定土地覆蓋樣本
一旦你覺得你有 well-represented number of samples 對于每個類，我們現(xiàn)在可以定義統(tǒng)計信息。
注意，我們總是可以返回到這個步驟，然后添加更多的示例。
3定義統(tǒng)計?
我們現(xiàn)在已經(jīng)為每個土地覆蓋類別選擇了樣本。我們將使用什么統(tǒng)計數(shù)據(jù)來分類圖像中的所有對象？
定義統(tǒng)計信息意味著將統(tǒng)計信息添加到標(biāo)準(zhǔn)的NN特征空間中。
操作： 打開“編輯標(biāo)準(zhǔn)nn”窗口。 (Classification > Nearest Neighbor > Edit Standard NN).
本例使用紅色、綠色、藍(lán)色、激光雷達(dá)樹冠高度模型（CHM）和激光雷達(dá)光強度（int）波段。這需要一點 嘗試找到正確的統(tǒng)計數(shù)據(jù)來使用 . 此示例使用以下統(tǒng)計信息：
標(biāo)準(zhǔn)NN功能空間：
平均CHM（目標(biāo)激光雷達(dá)平均高度）
平均Int（物體中激光雷達(dá)的平均強度）
平均紅（對象中的平均紅值）
標(biāo)準(zhǔn)偏差（物體高度變化）
4分類?
操作： 在類層次結(jié)構(gòu)中，將“標(biāo)準(zhǔn)最近鄰”添加到每個類中。 [(Right-click class> Edit > Right-click [and min] > Insert new expression > Standard nearest neighbor)]
操作： 在流程樹中，添加“分類”算法。 (Right-click process tree > Append New > Select classification algorithm)
操作： 選擇每個類作為活動類，然后按Execute。 (In parameter window > checkmark all classes > Right click classification algorithm in process tree > execute)
分類過程將根據(jù)所選樣本和定義的統(tǒng)計信息對整個圖像中的所有對象進(jìn)行分類。它將根據(jù)每個對象的 貼近度 去訓(xùn)練場。
如果您對最近鄰分類最終產(chǎn)品不滿意，仍然有幾個選項可以提高精度。
以下是改進(jìn)分類的選項列表：
向培訓(xùn)集中添加更多示例。
定義不同的統(tǒng)計。
在MRS中實驗不同的尺度和標(biāo)準(zhǔn)。
如果可能，添加更多的波段（NIR等）。
您希望盡可能多地使用步驟1-4實現(xiàn)自動化，并且具有更高的準(zhǔn)確性。但如果你沒有把事情做好，還是有希望的。
5基于對象的圖像編輯?
你的目標(biāo)是100%準(zhǔn)確，但你只達(dá)到了80%的準(zhǔn)確率。那真的不錯。你應(yīng)該被拍一下后背。
如果你追求完美，你永遠(yuǎn)不會幸福。 . 這就是為什么 手動編輯工具欄 存在于認(rèn)知中。（視圖>工具欄>手動編輯）
選擇類。選擇對象。 您剛剛進(jìn)行了手動編輯。
最近鄰分類的5個簡單步驟：
執(zhí)行多分辨率分割
選擇培訓(xùn)區(qū)域
定義統(tǒng)計信息
分類
手工編輯
試駕OBIA?
最近鄰分類是一種創(chuàng)建土地覆蓋分類的強大（鮮為人知） *** 。
它的獨特之處在于，您可以使用多分辨率分割生成智能對象，并使用示例編輯器監(jiān)控分類。
但這確實需要一些練習(xí)。 藝術(shù)與科學(xué)創(chuàng)造一幅土地覆蓋的杰作 .
掌握這本最近鄰分類指南，您將更接近成為一個基于對象的圖像分析專家。
面向?qū)ο蟮膱D像分析軟件：
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/1e052
本站聲明:網(wǎng)站內(nèi)容來源于 *** ,如有侵權(quán),請聯(lián)系我們,我們將及時處理。
