第十章 面向对象图像特征提取
10.1面向对象图像分类技术
面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素, 的全色和多光谱数据的空间、纹理和光谱信息对图像分割和分类, 矢量输出。它主要分成两个过程:图像对象构建和对象的分类。
充分利用高分辨率
以高精度的分类结果或者
FX的操作可分为两个部分:发现对象
笈现对彖 (Find Object)和特征提取(Extract Features)
10.2 发现对象
10.2.1 准备工作
根据数据源和特征提取类型等情况,可以有选择地对数据进行一些预处理工作。 ( 1)空间分辨率的调整
如果您的数据空间分辨率非常高、 覆盖范围非常大, 而提取的特征地物面积较大 (如云、 大片林地等) ,可以降低分辨率,提供精度和运算速度。可利用 ENVI 主菜单 ->Basic Tools->Resize Data 工具实现。
(2)光谱分辨率的调整 如果您处理的是高光谱数据,可以将不用的波段除去。可利用 ENVI 主菜单
->Basic Tool->layer stacking 工具实现。
(3)多源数据组合
( 4)空间滤波
10.2.2 发现对象
第一步 启动 FX 模块
( 1) 在 ENVI EX 中,选择 File-Open, 打开图像文件 qb_colorado.img ,如图 10.1。 (2)
在 ENVI EX 中,双击 Toolbox 中的 Feature Extraction 。选择输入文件(图 10.2),单 击
Select Additional Files 前的三角形符号,有三种数据可输入:
Basic Image: 必选项 辅助数据( Ancillary Data ) :可选项 掩膜文件( Mask File ):可选项
(3)
单击 OK 按钮,进入下一步操作。
-£ x K & A ?
■(- M 話
14 倨 if
日
y Laper huHjper
_j FSilx
■ =' [T1.\IM *钢 i 啊
■
E £i WO ) ■曲
hr o MM J ■ !ITF rtW“
■W T谊■[也贏
*i F虫 Diuj-in i r.{
*■ I ■\? >tx h 丄qpr ?1>3 A _1
Wfl-i ■■■
S
F“
图 10.1 ENVI EX 界面
图10.2选择数据第二步图像分割
FX根据临近像素亮度、纹理、颜色等对图像进行分割,它使用了一种基于边缘的分割 算法,这种算法
计算很快,并且只需一个输入参数就能产生多尺度分割结果。 边界的差异控制,从而产生从细到粗的多尺度分割。图
选择高尺度图像分割将会分出很少的亮斑,
选择一个理想的分割阈值,尽可能好地分割出边缘特征。
(1) 在Scale Level项中,通过滑块或者手动输入一个分割阈值,
默认是50,值越小分割的块越多。
(2) 将P review前的复选框打勾,在 Zoom图像显示区域出现一个矩形的预览区。
在鼠标为选择状态下(在工具栏中选择 边缘拖动鼠标调整预览区大学。
(3) 单击一丄按钮,选择分割波段,默认为 Base Image所有波段。
设置好参数后单击
到图层列表中并在窗口中显示。
按钮),按住鼠标左键拖动预览区,按住预览区
阈值范围为0~100,
图斑。分割效果的好坏在一定程度上决定了分类效果的精确度,
通过不同尺度
10.3所示为阈值设定界面。
选择一个低尺度图像分割将会分割出更多的
我们可以通过预览分割效果,
(4) Next按钮,这时 FX生成一个 Region Means图像自动加载
Scale Leve
------- ] ----- 丽
V x '? r L*
si u :i?
■齢 z
第三步合并分块
图像分割时,由于阈值过低,一些特征对象会被错分,
有的特征对象也有可能被分成很
多部分。该方法在结合光谱和空间信息的基础上迭代合并邻近的小斑块。这一步是可选项, 如果不需要可以直接单击
(1)
Next按钮跳过。
在Merge Level项中,通过滑块或者手动输入一个合并阈值,
阈值范围为0~100,
默认是0,值越大被合并的块越多。
(2) (3)
勾选Preview前的复选框,预览合并后的结果。 单击Next按钮,进入下一步。
第四步分块精炼
_______________________ 图10.6精炼分块 _________________________ 第五步计算对
这一步是计算对象的属性,
(Texture)、
高级选项(Advaneed).
至少选择一种类型的对象属性,默认为全选,单击
包括四个类型:空间(Spetial)、光谱(Spectral)、纹理
Next按钮执行计算对象属性。
目前为止,已经完成了发现对象的操作过程,接下来是特征提取过程。
图10.7计算对象属性 10.3特征提取
FX提供三种提取特征的方法:
监督分类(Choose by Selecting Examples)、规则分类(Choose by
Creating Rules)和直接输出矢量(Export Vectors )。如图 109
10.3.1规则分类
在特征提取方法选择的界面中,选择 进入规则分类界面。
Classify by creating rules选项,单击 Next按钮,
每一个分类由若干个规则组成,每一个规则由若干个属性表达式来描述。 每个分类可以
拥有若干个规则,他们之间是“ OR ”的关系;每一个规则可以拥有若干个属性表达式,它 们之间是“ And”的关系。
同一类地物可以由不同规则来描述,比如水体,水体可以是人工池塘、湖泊、河流,也 可以是自然湖泊、河流等,描述规则就不一样,需要多条规则来描述。 属性来描述。如下是对湖泊的一个描述: 面积大于500像素And
延长线小于0.5 And
每条规则又由若干个
NDVI 小于 0.3
对道路的描述:
延长线大于0.9 And 紧密度小于0.3 And 标准差小于20
下面以提取居民住宅为例来说明规则分类的操作过程。 首先,分析图像中容易与居民住宅错分的地物有 泥地,可以利用规则一一将这些地物排除。
双击 Feature_1 图标,修改 Feature Name:House 第一步第一条属性描述,划分植被覆盖区和非覆盖区
(1)双击rule[weight :1.00]图标,打开对象属性选择对话框,如图所示,列出所有计算 得到的对象
属性。
:道路、森林、草地以及房屋旁边的水
on
5己王ect STL 注ttri bute^ then click Show JVttri bute Imto determine i£ tKe attribute vill pr0^1 de *n*ugl £*r Cliek t
ilka at tri but a ini ti 4^ hi u屯* 歹an MtrihiUK
I卡匚I Spwctr&l !+ Lj Textur e + |_| Spatial Custoiri z^d
图10.10对象属性选择对话框
(2) 选择Customized->bandratio。FX会根据选择的波段情况计算波段比值,如这里在
属性计算步骤中选择的
Ratio Ba nd是红色和近红外波段,所以此时计算的是
NDVI。
(3) 勾选 Show Attribute Image 选择框,在 ENVI Zoom 中显示 bandratio 属性图像。 (4) 单击Next按钮,或者双击bandratio选项,进入bandratio属性对话框,如图10.11。
Cli ck axi.d dr4£ t.h? verti a-al liu.QS: on tKa hi stogv&m to dctfino tke miiumom and naximuiri value for the attribtite, or enter
the range in the fields provided.
Fuz-sy Tole:Tdi匸亡
%
i)
s. a
Logic DUCT
Membership Functi an Set Tyje S~Tyjie ¥
0 Shjw Rul^ CdtLfi
Imige
Cancel | OK 图10.11属性设置对话框
图10.12预览结果 (5) 在bandratio属性设置对话框中,需要设置以下几个参数: (6) 勾选Show Attribute Image可选框,预览结果。 (7) 单击0K按钮,完成第一条属性描述。
第二步 第二条属性描述,剔除道路干扰。
居住房屋和道路的最大区别是房屋是近似矩形,可以设置 (1) 双击rule选项,在对象属性选择对话框中选择
Rect_fit属性。
Spatial->rect_fit。
(2) 在Rect_fit属性设置对话框中, 设置Rect_fit属性值范围是0.5~1,其他参数为
默认值。
(3) 单击0K按钮。
同样的方法设置: Spatial->Area:Fuzzy Tolerance=0,90
Spatial->elongation(延长):elongation<3
捶 Extract Features 恤 Based Chsstcstion ■加5申」 =粘 lllil才[iti ^iL E ODE —HqirdLD ID.tHl U.jULCl □ ivcLjiA > Q 诫闻 11魁创目到创国旦Ellrnw
图10.13预览结果 第三步 第三条属性描述,剔除水泥地干扰。 水泥地反射率较高,居住房屋反射率较低,所以可以设置评价像元属性。 ( 1) 双击 rule 选项,在对象属性选择对话框中选择
Spectral->avgband_2 。
( 2) 在 avgband_2 属性设置对话框中, 设置 avgband_2 属性值的范围小于 50 ,Fuzzy
Tolera nce=0,其他参数为默认值。
( 3) 单击 OK 按钮,回到规则分类界面中,勾选 Preview 可选框,预览效果图。如 图 10.13。
重复以上步骤,采用类似的思路可以定义规则用于提取道路、林地、草地等地物类别。 当所有规则定义好之后,单击 Next 按钮,输出规则分类结果,输出分类结果的步骤与监督 分类类似。
目前为止,已经完成了规则分类的操作过程。
10.4 耕地信息提取实例
本实例是以Landsat7 ETM为数据源,基于面向对象的方法从图像上识别和提取种植不 同作物的耕地类型,联系面向对象的方法在中等分辨率中的应用。 (1)
启动 ENVI EX, 选择 File->Open, 打开第一步得到的图像 imperial_vally_subset.img, 或 者选择“第 10 章面向对象图像特征提取 \\Fx_Agriculture\\imperial_valley_subset\\
imperial_vally_subset.img ”打开文件,按照默认显示为真彩色。
(2) (3)
在 ToolBox 中,双击 Feature Extraction 工具,在打开的 Select Fx Input Files 对话框 中选择
imperial_valley_subset.img 文件。单击 OK, 打开 Find Objects-Segment 对话框。
在 Find Objects-Segment 对话框中,设置 Scale Level 为 50,单击 Preview 预览。单 击
Next 按钮,指向分割处理并进入 Find Objects-Merge 对话框。
(4)
在 Find Objects-Merge 对话框中,设置 Merge Level 为 80,单击 Preview 预览。单击 Next 按钮,执行合并并进入 Find Objects-Refine 对话框。
(5)
直接单击 Next 按钮,进入 Find Objects-Compute Attributes 对话框,保留默认设置, 单击
Next 按钮,计算每个对象的属性。
(6) 计算完成每个对象的属性后,进入 Extract Features-Classify or Export 对口框,选择 Choose by
Selecting Examples, 单 击 Next 按 钮 , 进 入 下 一 个 对 话 框 ( Extract Features-Supervised Classification )。
(7)
在 Extract Features-Supervised Classification 对话框中定义样本对象,双击 Feature_1, 修 改
Featue Name 为 生 长 中 期 作 物 。 在 Layer Manager 中 鼠 标 按 住 imperial_valley_subset.img 层移动到 Layers 最上层,这样有利于选择样本。
(8)
由于图像是以真彩色显示,在工具栏中选择按钮,在图上选择“墨绿色”的斑块对 象作为“生长中期作物” ,在图上选择一些对象。
(9)
单击按钮,新增类型并修改为无作物耕地,同样的方法在图上选择颜色很淡的耕地 作为样本。
,图上的样本特征为“淡绿色” ;“居民地或 裸
(10) 同样的方法新增“生长早期或晚期作物”
地”,图上的样本特征为 “白色且形状为非矩形” ;“水体”,图上的样本特征为 “黑 色”。
(11) 选择样本后,勾选 Preview 选项在图上预览分类结果。
(12) 单击 Next 按钮,在 Extract Features-Export Features 对话框中,选择输出路径,其他 按照默认设置结果输出 Shapefile 矢量格式,单击 Next 按钮输出结果。
13) 输出的矢量结果自动加载到 ENVI EX 窗口中。同时,每一个 Polygon 的面积自动计 算并保存在属
性数据表中。
14)
10-面向对象图像特征提取



