Definiensprofessional5ruleset定義20professional 205ruleset

1、Definiens professional 5.0規(guī)則設(shè)置訓(xùn)練增強(qiáng)的策略，特征值和算法天目創(chuàng)新科技有限公司張春再目錄規(guī)則設(shè)置訓(xùn)練1 用專題層和定制的相關(guān)特征分類建筑物11導(dǎo)入數(shù)據(jù)瀏覽專題圖層12用專題層進(jìn)行分割13用專題層進(jìn)行分類14用波普信息，高程信息分類建筑物15用自訂制的相關(guān)特征優(yōu)化建筑物的分類結(jié)果2 封閉道路網(wǎng)的間隙 21找到所有道路終端的片斷 22準(zhǔn)備循環(huán)和分類道路終端片斷對(duì) 23封閉間隙3 通過比較兩個(gè)分類結(jié)果進(jìn)行植被的變化檢測(cè) 31 不同的變化檢測(cè)規(guī)則的概覽 32 創(chuàng)建影像對(duì)象層 33 2002年的植被分類 34 從2002到2004年的植被變化分類 35 計(jì)算并且輸出變化的統(tǒng)

2、計(jì)數(shù)量1、用專題層和定制的相關(guān)特征分類建筑物本單元進(jìn)行了以下幾個(gè)訓(xùn)練：導(dǎo)入瀏覽專題層用專題層進(jìn)行分割用專題層進(jìn)行分類除了影像層以外，我們可能會(huì)用到專題層進(jìn)行分割.較清楚的定義對(duì)象對(duì)于專題層分類的隸屬關(guān)系，就不會(huì)創(chuàng)建影像對(duì)象隸屬于不同的專題層類。上圖是一個(gè)區(qū)域的影像層，專題層和分類結(jié)果的瀏覽圖為了確保這點(diǎn)，當(dāng)一個(gè)專題圖層用于分割時(shí)，分開的不同的專題類的邊框限制了進(jìn)一步的分割.基于這個(gè)原因，專題圖層不能賦予不同的權(quán)重，而僅僅只能是使用或者不使用.我們可以分割一個(gè)影像用一個(gè)或多個(gè)專題圖層.結(jié)果是影像的對(duì)象正確的描述了不同圖層間的交集。 用專題層分割影像，用它們的內(nèi)容進(jìn)行分類能夠集成外部的信息附加與影

3、像層.在這個(gè)單元，專題層的應(yīng)用說明了如何去利用它們進(jìn)行影像的分割和分類。11在這節(jié)訓(xùn)練課中，我們將一同學(xué)習(xí)以下內(nèi)容：在一個(gè)工程中裝載專題圖層為專題層定義別名打開第二個(gè)瀏覽窗口瀏覽專題層111 創(chuàng)建一個(gè)有專題層的工程在這個(gè)例子中，我們將一同來(lái)研究使用和不使用專題層進(jìn)行分割的差別.用到的數(shù)據(jù)集是掃描的高分辨率的航空相片.這個(gè)offenberg樣例數(shù)據(jù)可以在offenberg文件夾里找到。1 用offenberg文件夾里的bmp創(chuàng)建一個(gè)工程.l offblue.bmpl offelev.bmpl offgreen.bmpl offred.bmp2 給圖層名別名并且重新排序如下：l bluel gre

4、enl redl elevation現(xiàn)在不要?jiǎng)?chuàng)建工程，因?yàn)檫€沒有導(dǎo)入一個(gè)專題圖層3 點(diǎn)擊insert按鈕，選擇專題圖層列表4 選擇cadastre_offnbg.asc作為專題圖層.5 選擇cadastre_offenbg.txt作為相應(yīng)的屬性表文件，現(xiàn)在，專題圖層已經(jīng)加入工程文件，如下圖：6 為專題圖層選擇一個(gè)適當(dāng)?shù)膭e名，然后點(diǎn)擊ok確定.112 打開第二個(gè)瀏覽窗口并且相互連接打開的兩個(gè)窗口現(xiàn)在專題圖層是和建立的工程文件相關(guān)聯(lián)的.我們可以在另外的窗口里瀏覽專題層1 從window菜單，選擇new window. 打開第二個(gè)窗口2 從windows菜單選擇link all,連接兩個(gè)窗口現(xiàn)在，這

5、兩個(gè)窗口顯示相同的區(qū)域的數(shù)據(jù)，如果我們放大或縮小一個(gè)窗口，另外一個(gè)也跟隨放大或縮小。113瀏覽專題圖層1設(shè)置第二個(gè)窗口為活動(dòng)窗口，打開瀏覽設(shè)置窗口，進(jìn)行下邊的任何一個(gè)操作打開瀏覽設(shè)置窗口：在view setting toolbar 工具欄，點(diǎn)擊l 在view菜單里，點(diǎn)擊view l setting，彈出以下對(duì)話框：3 點(diǎn)擊layer彈出一個(gè)菜單，在這里設(shè)置我們想要顯示的信息.4 選擇cadastrc.cadastre_offnbf.asc 圖層顯示在第二個(gè)窗口里.這一節(jié)，我們學(xué)習(xí)了以下的內(nèi)容：在一個(gè)工程中裝載專題圖層為專題層定義別名打開第二個(gè)瀏覽窗口瀏覽專題層12 用專題圖層進(jìn)行分割在本節(jié)，我

6、們將學(xué)習(xí)以下內(nèi)容：à 用專題圖層進(jìn)行分割à 比較用和不用專題圖層進(jìn)行分割的區(qū)別在本節(jié)中用專題圖層進(jìn)行分割，因此附加與影像層，專題圖層影響著影像對(duì)象的形狀.在利用專題圖層進(jìn)行分割之后，它所能提供的信息在后邊的訓(xùn)練中，用與分類的過程中。1、 添加一個(gè)父規(guī)則，并且命名為offenberg2、 插入一個(gè)子規(guī)則，并且命名為segmentation.3、 選種segmentation規(guī)則，插入一個(gè)子規(guī)則.4、 算法選擇multiresolution segmentation 121 算法參數(shù)的設(shè)置接著，我們進(jìn)行的分割，不用高程圖層，而只用專題圖層進(jìn)行分割.因此高程層的權(quán)重設(shè)為0而專題圖

7、層是被激活，賦予權(quán)重1.1、 命名層級(jí)別為level12、 影像層中選擇高程層，設(shè)置權(quán)重為0，在進(jìn)行分割時(shí)，高程層將不被使用.3、 對(duì)于專題圖層，設(shè)置yes,現(xiàn)在專題圖層是被用于分割的，如果想不使用專題圖層，設(shè)置為no4、 設(shè)置尺度參數(shù)為405、 對(duì)于形狀因子，設(shè)置為0.46、 緊滯度參數(shù)設(shè)置為0.5見下圖：7、 運(yùn)行該規(guī)則.現(xiàn)在所有的對(duì)象是在使用了專題圖層進(jìn)行分割的.比較這些影像對(duì)象的信息.所有的對(duì)象是嚴(yán)格限制在專題圖層的邊界內(nèi)。122 比較使用和未使用專題圖層進(jìn)行分割的結(jié)果打開另外一個(gè)沒有使用專題圖層進(jìn)行分割的工程文件offenberg_without_thematic_layer.dpr

8、.該工程文件沒有使用專題圖層進(jìn)行分割，因此影像對(duì)象的邊界不受專題圖層的邊界限制.本節(jié)中，我們學(xué)習(xí)了以下內(nèi)容：à 用專題圖層進(jìn)行分割à 比較用和不用專題圖層進(jìn)行分割的區(qū)別13 用專題圖層進(jìn)行分類在本節(jié)中，我們將學(xué)習(xí)以下內(nèi)容：à 用專題圖層進(jìn)行分類除了用專題圖層進(jìn)行分割以外，我們可以參照專題圖層包含的信息進(jìn)行分類.本節(jié)中僅僅那些對(duì)象具備value 20 被分為類cadastre 20.在后邊的訓(xùn)練中，將對(duì)cadastre 區(qū)域進(jìn)行更深層次的分類，因此影像對(duì)象的范圍需要仔細(xì)設(shè)定.在特征列表里， object features欄目的下邊有thematic attribut

9、es.à The thematic object Id: 專題圖層對(duì)象的辨別號(hào).à The number of overlapping thematic objects:僅僅當(dāng)影像對(duì)象和專題層對(duì)象有重疊的時(shí)候才有效，否則是無(wú)效的。à The thematic objects attribute 特征顯示了這個(gè)專題圖層的內(nèi)容.見下圖：131 分析的策略1、添加一個(gè)新的父規(guī)則，并且命名為classification2、插入一個(gè)子規(guī)則，并且命名為classify cadastre 20.3、插入一個(gè)子規(guī)則，并且用thematic attribute value20 進(jìn)行

10、分類.132 解決方案14 使用波譜信息和高程信息進(jìn)行建筑物的分類.在本節(jié)中，我們將學(xué)習(xí)以下內(nèi)容：à 用波譜特征分類建筑物.à 用平均高程特征分類人行道信息.à 用相關(guān)性特征進(jìn)行錯(cuò)分對(duì)象的分類.在offenberg示例中，利用光譜信息，我們可以分類出建筑物和未知的區(qū)域.為了區(qū)別出它們，我們可以用高程信息和紋理信息，同時(shí)考慮相關(guān)特征去分類出忽略的部分，糾正錯(cuò)分的類。141 分析策略à 找到一個(gè)可以描述建筑物和未知區(qū)域的波譜特征à 在cadastre20范圍內(nèi)，用這個(gè)波譜特征分類所有的未知的區(qū)域.à 找到可以區(qū)分出建筑物和未知區(qū)域的高程臨

11、界值à 從未知的區(qū)域內(nèi)分離出建筑物142 解決方案1、 添加一個(gè)新的父規(guī)則classify buildings in cadastre 20.2、 為classify buildings in cadastre 20插入一個(gè)子規(guī)則，采用spectral feature 3、 添加第二個(gè)規(guī)則，利用平均高程從所有的建筑物對(duì)象中分類出sealed areas cadastre 20類143 可供選擇的另外的一種解決方案規(guī)則集的設(shè)置在本節(jié)中，我們將學(xué)習(xí)以下內(nèi)容：à 用波譜特征分類建筑物.à 用平均高程特征分類交通信息.à 用相關(guān)性特征進(jìn)行錯(cuò)分對(duì)象的分類.15 用

12、定制的相關(guān)特征提煉建筑物分類的結(jié)果在本節(jié)中，我們將學(xué)習(xí)以下內(nèi)容：à 檢驗(yàn)通過定制特征工具定制的相關(guān)性特征.à 創(chuàng)建一個(gè)描述高程差異的相關(guān)特征.à 用創(chuàng)建的相關(guān)特征剔除錯(cuò)分的建筑物對(duì)象.à 用創(chuàng)建的特征分類遺漏的建筑物對(duì)象.在offenberg 工程中，存在一些屋頂?shù)牟糠直贿z漏，一些屋頂被錯(cuò)分.定制的相關(guān)特征用于分類，描述那些在相同的高度的對(duì)象是建筑屋.自定制的特征可以滿足不同的需求.集成了軟件提供的各種算法和相關(guān)的特征，去創(chuàng)建自定制的特征。à 算法特征是由現(xiàn)有的特征組成并且是不變的，是由不同的算法操作組成.算法特征可以由很多的特征組成，但是僅僅

13、作用于一個(gè)單一的對(duì)象.à 相關(guān)特征是用來(lái)比較對(duì)象的某一個(gè)特征與相關(guān)的對(duì)象之間的距離，相關(guān)的對(duì)象是指相鄰的對(duì)象，父對(duì)象，子對(duì)象或者全部的影像對(duì)象層.相關(guān)特征是一個(gè)單個(gè)的特征，這個(gè)特征描述了一組相關(guān)對(duì)象的關(guān)系。151 創(chuàng)建一個(gè)定制的相關(guān)特征通過定制工具，定制相關(guān)的特征.確定一個(gè)對(duì)象的高程信息相對(duì)于周圍確定的類之間的關(guān)系.編輯定制特征的對(duì)話框1、 可通過兩種方式打開對(duì)話框à tools>manage customize features>addà 在feature view 的object features>customized里雙擊create ne

14、w relational feature. 彈出編輯對(duì)話框如下圖： 當(dāng)創(chuàng)建一個(gè)新的特征，在處定義特征的名稱.在處定義相關(guān)特征的類別.在處選擇不同的類別，在處有不同的算法操作供選擇.在處定義和相關(guān)對(duì)象的距離.在處選擇將要比較的特征.在處選擇需要進(jìn)行相關(guān)性評(píng)價(jià)的類，如果沒有限制在一個(gè)具體的類上，可以不選擇。不同種類的關(guān)系特征和操作.列舉如下：à 均值( mean)à 標(biāo)準(zhǔn)差( standard deviation)à 均值差(mean difference)à 絕對(duì)的平均差(mean absolute difference)à 比率(ratio)&

15、#224; 總和(sum)à 數(shù)量(number)à 和最高值的平均差(mean difference to higher values)à 和最低值的平均差(mean difference to lower values)相關(guān)特征的示例：確定一個(gè)對(duì)象和周圍的指定的類之間的最小的距離，不受它們之間絕對(duì)距離的限制.注意：對(duì)于類相關(guān)的特征，相關(guān)指的是和組層級(jí)的相關(guān)，意思是如果一個(gè)相關(guān)特征是和一個(gè)類相關(guān)的，它就會(huì)自動(dòng)和該類的層級(jí)中所有的子類相關(guān).創(chuàng)建一個(gè)描述和臨近對(duì)象的高程差異的特征2、 特征命名為 meandiff_meanelevation_no_buildings

16、.建議命名定制的的特征，采用一個(gè)比較清楚的表達(dá)規(guī)則，例如：calculation><feature><rel-shortcut><distance>to<class>3、 相關(guān)功能：平均差4、 相關(guān)功能涉及的對(duì)象：相鄰對(duì)象5、 距離：0象素（對(duì)象應(yīng)當(dāng)鄰近）6、 特征選擇:objects feature>layer values>mean>elevation.7、 選擇的類：buildings cadsstre20（陰影和建筑物相鄰的關(guān)系應(yīng)當(dāng)被確定的）8、 創(chuàng)建新的特征152 用定制的相關(guān)特征剔除錯(cuò)分的建筑物對(duì)象1、添加新的

17、父規(guī)則，命名為refine classification2、找到新定制相關(guān)特征的閾值定義錯(cuò)分的對(duì)象，例如-10.負(fù)值意味著對(duì)象的高程值比周圍的相臨的確定類的對(duì)象低。3、插入一個(gè)子規(guī)則，區(qū)分出building cadastre20 里錯(cuò)分的對(duì)象上圖根據(jù)附加的規(guī)則，根據(jù)錯(cuò)分的建筑物對(duì)象的高程差異，區(qū)分出錯(cuò)分的對(duì)象.區(qū)分后的結(jié)果如下圖：153 遺漏的建筑物屋頂?shù)姆诸愑行┙ㄖ锸潜宦┓值?，這些區(qū)域的對(duì)象和已經(jīng)分類的建筑物類有相近的高度信息，利用它們之間較小的高程差異，去區(qū)分遺漏的建筑物對(duì)象。1、 利用feature view 決定一個(gè)區(qū)分遺漏對(duì)象的臨界值.因?yàn)檫z漏的對(duì)象有相似的高度信息.1-15的高程

18、閾值范圍，可以適合進(jìn)行分類.可以用membership function 較好的描述出來(lái)。2、 創(chuàng)建一個(gè)新的roof part 類.3、 插入一個(gè)membership function ，應(yīng)用整個(gè)范圍函數(shù)，設(shè)置好兩端的邊界值.如下圖：4、 添加一個(gè)新的規(guī)則，采用classifications 算法，從cadastre 20類中區(qū)分出滿足membership function條件的對(duì)象為roof parts。建議的解決方案：分類后的結(jié)果如下：在本節(jié)中，我們已經(jīng)習(xí)以下內(nèi)容：à 檢驗(yàn)通過定制特征工具定制的相關(guān)性特征.à 創(chuàng)建一個(gè)描述高程差異的相關(guān)特征.à 用創(chuàng)建的相關(guān)特

19、征剔除錯(cuò)分的建筑物對(duì)象.à 用創(chuàng)建的相關(guān)特征分出遺漏的建筑物對(duì)象.2、封閉道路網(wǎng)之間的間隙à 找出所有的成對(duì)的終端道路片斷à 準(zhǔn)備整個(gè)循環(huán)過程，分類單終端的片斷à 封閉間隙本單元，已經(jīng)分類的道路之間的間隙將被封閉，解決此問題的策略是首先從道路類中分類出道路終端，然后建立一系列規(guī)則程序連接這些道路終端.在連接道路終端時(shí)，需要定義一個(gè)循環(huán)變量值，反復(fù)規(guī)則所有的道路終端，直到封閉了道路的間隙。第一步、找出所有的終端片斷：為了分類出終端片斷，首先需要假設(shè)這些對(duì)象和別的道路對(duì)象之間僅僅有一個(gè)相鄰的影像對(duì)象，因此，類相關(guān)特征number of neighboring

20、 objects被使用.第二步、選擇成雙的，具有明顯相鄰終端的片斷.然后，設(shè)置一個(gè)程序，該程序從一個(gè)終端片斷開始選擇相鄰最近的另外的片斷終端.第三步、封閉間隙下一步，設(shè)置一個(gè)循環(huán)規(guī)則的規(guī)則，該規(guī)則不斷的找出起點(diǎn)和終端，直到最終連接道路片斷之間的空隙.第四步、循環(huán)規(guī)則在第一個(gè)間隙閉合之后，該規(guī)則樹將找出另外一個(gè)具有明顯相同終端的片斷對(duì)，進(jìn)行連接，直到所有的終端片斷全部被連接起來(lái).21 找出所有的成對(duì)的道路片斷本節(jié)，我們一塊學(xué)習(xí)以下內(nèi)容：à 重新分割道路對(duì)象，準(zhǔn)備分類à 用類相關(guān)特征number of neighbors 去分類斷開的道路終端.à 分離那些沒有對(duì)應(yīng)片斷

21、的道路終端道路的終端是隔離的，是下一步分類的基礎(chǔ).它們分別具有一個(gè)相鄰的道路終端.為了分類出終端片斷，首先需要假設(shè)這些對(duì)象和別的道路對(duì)象之間僅僅有一個(gè)相鄰的影像對(duì)象，因此，類相關(guān)特征number of neighboring objects被使用.1、 打開在qb_maricopa文件夾下的工程qb_maricopa_closegaps_start.dpr.在該場(chǎng)景中，影像已經(jīng)被分類，但道路是有間隙的.除了這些，那些非道路的對(duì)象已經(jīng)用棋盤分割規(guī)則進(jìn)行了分割.這點(diǎn)是必須做的，以便于生成較小的對(duì)象，能夠起到逐漸連接道路終端的作用.2、 設(shè)置規(guī)則樹，添加一個(gè)規(guī)則規(guī)則close gaps同時(shí)插入一個(gè)子

22、規(guī)則find possible end fragments.2.1.1 重新對(duì)道路對(duì)象進(jìn)行分割，準(zhǔn)備進(jìn)行分類因?yàn)榈缆穼?duì)象已經(jīng)被合并了，因此它們必須被分割開來(lái).主要是獲取能夠描述終端片斷的對(duì)象。3、插入一個(gè)子規(guī)則4、算法選擇multiresolution segmentation.5、等級(jí)區(qū)域：level16、類篩選對(duì)象：road算法參數(shù)：7、等級(jí)設(shè)置：選擇use current.（分割存在的對(duì)象）8、影像層的權(quán)重：選擇所有的層，除了全色波段9、尺度參數(shù)：4010、文理特征：0.8，緊滯度：0.8該規(guī)則規(guī)則可以描述如下：以尺度參數(shù)40，文理參數(shù)0.8，緊滯度0.8對(duì)level1層級(jí)上的道路對(duì)象進(jìn)

23、行分割。212 用類相關(guān)特征number of neighbors 對(duì)終端片斷進(jìn)行分類.在道路對(duì)象已經(jīng)被分割，終端片斷必須被分類.至此，所有的道路對(duì)象至少有兩個(gè)相鄰的對(duì)象，但是，終端片斷只有一個(gè)相鄰的對(duì)象.見下圖：在這里，比較適合的特征是類相關(guān)特征number of neighbors.創(chuàng)建特征number of road neighbor objects1、在特征瀏覽窗口里，雙擊create new number of2、選擇road 作為選擇的類，保持距離為0，距離0意味著，僅僅規(guī)則和直接相鄰對(duì)象之間的關(guān)系.3、點(diǎn)擊ok確認(rèn)添加一個(gè)規(guī)則進(jìn)行分類新的規(guī)則，從道路類中分出僅有1個(gè)相鄰的道路對(duì)象

24、的對(duì)象，作為終端道路片斷.1、 添加一個(gè)子規(guī)則2、 算法選擇：assign class3、 類篩選：roads4、 條件：number of road objects(0) is 1算法參數(shù)設(shè)置：5、 活動(dòng)的類：end fragments.終端道路片斷的分類結(jié)果213 排除沒有相對(duì)應(yīng)終端的道路片斷本節(jié)中，存在的兩個(gè)相鄰的終端的對(duì)象被封閉，單個(gè)的道路終端被排除.可以通過編輯class-related feature number 特征的距離參數(shù)進(jìn)行描述。1、 創(chuàng)建一個(gè)新的相鄰特征.2、 選擇end fragments作為類3、 改變距離參數(shù)為80新創(chuàng)建的特征，將在80個(gè)像素半徑的范圍內(nèi)搜索鄰域?qū)?/p>

25、象4、 添加一個(gè)新的規(guī)則，去分類所有的end fragment 對(duì)象，找出在80個(gè)像素范圍內(nèi)沒有一個(gè)相鄰的道路終端對(duì)象的對(duì)象，分類為道路。214 瀏覽規(guī)則樹序列本節(jié)，我們已經(jīng)學(xué)習(xí)以下內(nèi)容：à 重新分割道路對(duì)象，準(zhǔn)備分類à 用類相關(guān)特征number of neighbors 去分類終端的片斷.à 分離那些沒有對(duì)應(yīng)片斷的道路終端22 準(zhǔn)備整個(gè)循環(huán)，單終端的片斷本節(jié)，我們將學(xué)習(xí)以下內(nèi)容：à 設(shè)置循環(huán)終止的條件à 定義終端片斷的鄰域?qū)ο蟊竟?jié)，我們將定一個(gè)規(guī)則，該規(guī)則用來(lái)設(shè)置循環(huán)規(guī)則.并且需要設(shè)置一個(gè)循環(huán)終止的條件.下一步，將辨別出道路終端片斷對(duì).然后它

26、們之間的間隙將被封閉。221 設(shè)置停止循環(huán)的條件1、在相同的等級(jí)，添加一個(gè)新的規(guī)則用來(lái)找出可能的終端片斷，同時(shí)選擇execute child processes 作為算法.2、設(shè)置循環(huán)終止的條件為scene feature>class related>number of classified objects，選擇end fragment類.并且定義more than 作為操作算子，值設(shè)置為0.3、選中l(wèi)oop while something changes2.2.2 定義終端片斷的鄰域?qū)υ陂_始分析之前，必須要先挑選出第一個(gè)相鄰的道路片斷對(duì).因此，在場(chǎng)景的最左邊的首先被選為起點(diǎn).因此

27、，算法find domain extrema將被使用。1、 插入一個(gè)子規(guī)則，并且命名為get neighbored end fragments.2、 插入另外一個(gè)子規(guī)則.3、 選擇算法：find domain extrema.4、 類篩選：end fragment.算法參數(shù)5、 極值類型：munimum.6、 特征：x maxx (object features>shape>position)7、 accept equal extrema: no (僅僅從一個(gè)開始)8、 活動(dòng)的類：start(創(chuàng)建新類)這些規(guī)則可以解釋為：分類end fragment的對(duì)象，從x的最小值開始。分類下

28、一個(gè)相鄰的終端片斷再使用算法find domain extrema 去找出最接近起始點(diǎn)別的終端片斷。1、 添加一個(gè)子規(guī)則2、 算法選擇：find domain extrema3、 分類篩選：end fragment算法參數(shù)：4、 極值類型：minimum.5、 特征：distance to start.6、 接受相同的極值：no （僅僅一個(gè)末端可用）7、 活動(dòng)類：end（創(chuàng)建一個(gè)新類）這個(gè)規(guī)則可以描述如下：分類end fragment 的對(duì)象，距離start最小的距離，作為end類8、 運(yùn)行規(guī)則 get neighbored end fragments.現(xiàn)在，start類和end類被分類出來(lái).

29、結(jié)果如下圖：本節(jié)，我們已經(jīng)學(xué)習(xí)以下內(nèi)容：à 設(shè)置循環(huán)終止的條件à 定義終端片斷的鄰域?qū)ο?3 封閉間隙在本節(jié)，我們將學(xué)習(xí)以下內(nèi)容：à 準(zhǔn)備循環(huán)終止條件，這時(shí)道路縫隙被封閉à 分類start類的鄰域?qū)ο?#224; 分類最接近temp_1的對(duì)象為end.à 檢查是否已經(jīng)有一個(gè)和end對(duì)象公用的邊界à 為下一個(gè)終端對(duì)做準(zhǔn)備在本節(jié)，一個(gè)規(guī)則集被創(chuàng)建，用來(lái)生成一條從一個(gè)終端片斷到另一個(gè)終端片斷的路徑.該規(guī)則集，當(dāng)起點(diǎn)和終點(diǎn)相遇的時(shí)候，將停止運(yùn)算.231 準(zhǔn)備循環(huán)第一步設(shè)置循環(huán)終止的條件.如果沒有start 對(duì)象存在，規(guī)則循環(huán)將終止.1、 在相

30、同的等級(jí)，添加一個(gè)新的規(guī)則，用來(lái)獲取相鄰的end fragments.2、 插入一個(gè)子規(guī)則，選擇缺省的execute child processes 作為算法.3、 設(shè)置停止規(guī)則的條件：scene feature>class related>number of classified objects,選擇start類，定義more than 作為算子，值為0.4、 選中l(wèi)oop while something changes該規(guī)則集可以描述如下：只要start對(duì)象存在，運(yùn)行所有的子規(guī)則.232 找出start的鄰域?qū)ο?在跟隨的規(guī)則過程中，start類對(duì)象中鄰近的植被和非植被對(duì)象將被

31、分類，并且最接近終端的對(duì)象被選作新的起點(diǎn)（start point）1、 再插入一個(gè)子規(guī)則.2、 算法選擇：assign class3、 類篩選：植被和非植被4、 條件：relative border to start is more than 05、 活動(dòng)類：_temp1（創(chuàng)建新類），算法參數(shù)：這個(gè)規(guī)則集可以描述如下：分類所有的植被和非植被對(duì)象中與start 相鄰的作為_temp1._Temp1是一個(gè)臨時(shí)類，結(jié)果存在該類中，以后將重新分為別的類.在這個(gè)規(guī)則規(guī)則集中，它是一個(gè)非常強(qiáng)大的工具.6、 運(yùn)行該規(guī)則集.所有start的鄰域?qū)ο蟋F(xiàn)在被分類為_temp1.Start 對(duì)象必須被重新分類為一個(gè)

32、新類_temp21、 添加一個(gè)規(guī)則，它分類已有的start對(duì)象為_temp2233 從_temp1對(duì)象中找出最接近end的對(duì)象.下邊，我們將從_temp1的對(duì)象中，找出最接近end的對(duì)象作為新的start對(duì)象。1、 添加一個(gè)新的規(guī)則2、 算法選擇：find domain extrema3、 類篩選：_temp1算法參數(shù)：4、 極值類型:minimum5、 特征：distance to end (class related features>relations to neighbors>distance)6、 接受相同的極值：yes.7、 活動(dòng)的類：start（創(chuàng)建一個(gè)新類）該規(guī)則集

33、可描述如下：分類最接近end的_temp1對(duì)象為start.8、 添加新的規(guī)則，分類所有的余下的_temp1對(duì)象為unvegetated.234 檢查是否有一個(gè)和end公用的邊界在下邊的規(guī)則集中，將檢查，在新的start對(duì)象中，是否和end對(duì)象有公用的邊界.如果有，它將不再被分類.規(guī)則集停止運(yùn)行。1、 添加一個(gè)新的規(guī)則，用來(lái)分類start對(duì)象作為_temp2如果有和end對(duì)象有邊界.235 準(zhǔn)備下一個(gè)終端對(duì)為新的終端對(duì)，準(zhǔn)備下一個(gè)新的循環(huán)，在封閉了間隙以后，end 對(duì)象將必須被刪除。2、 在相同循環(huán)層級(jí)上，添加一個(gè)新的規(guī)則，定義end對(duì)象已經(jīng)被分類為road對(duì)象。236 瀏覽結(jié)果和整個(gè)規(guī)則集在

34、本節(jié)，我們已學(xué)習(xí)以下內(nèi)容：à 準(zhǔn)備循環(huán)終止，當(dāng)間隙被封閉以后à 分類start類的鄰域?qū)ο?#224; 分類最接近temp_1的對(duì)象為end.à 檢查是否已經(jīng)有一個(gè)和end對(duì)象公用的邊界à 為下一個(gè)終端對(duì)做準(zhǔn)備3、 通過比較兩個(gè)分類，進(jìn)行植被的變化檢測(cè)本單元，我們將學(xué)習(xí)以下內(nèi)容à 瀏覽不同的變化檢測(cè)策略à 創(chuàng)建影像對(duì)象層à 分類2002和2004年的植被à 2002到2004年的植被變化分類à 計(jì)算并且輸出變化的數(shù)量在該模塊中，介紹了利用QuickBird數(shù)據(jù)進(jìn)行變化檢測(cè)可能用到的策略.導(dǎo)入兩個(gè)不同的時(shí)相

35、的數(shù)據(jù)作為數(shù)據(jù)集.第一步，分類2004年的植被.第二步，分類2002年的植被.第三步，通過比較兩個(gè)分類，進(jìn)行變化檢測(cè)。31 瀏覽不同的變化檢測(cè)的策略在definiens professional,也會(huì)存在別的變化檢測(cè)分類的策略。比較兩個(gè)專題圖層的變化檢測(cè)：比較專題圖層和影像分類結(jié)果之間的變化檢測(cè)計(jì)算定制特征的變化檢測(cè)32 創(chuàng)建影像對(duì)象層變化檢測(cè)的前兩步是分類兩個(gè)不同時(shí)相的植被。三個(gè)影像對(duì)象層必須被創(chuàng)建.l 一個(gè)為變化檢測(cè)l 一個(gè)為2002年的植被分類l 一個(gè)為2004年的植被分類然后，兩個(gè)不同時(shí)相的植被被分類.隨后，通過檢查兩個(gè)較低的影像對(duì)象層級(jí)存在的植被信息，在較高的影像對(duì)象層級(jí)上分類出植被

36、的變化.1、 打開已經(jīng)建立好的工程文件qb_change_detection_start. 10個(gè)影像層被裝載進(jìn)來(lái)，并且有下邊的別名：l 02_panl 02_bluel 02_greenl 02_redl 02_nirl 04_panl 04_bluel 04_greenl 04_redl 04_nir用兩個(gè)全色圖層進(jìn)行分割2、 添加一個(gè)父規(guī)則，并且命名為change detection.3、 插入一個(gè)子規(guī)則，并且命名為create image object levels.4、 插入一個(gè)子規(guī)則，對(duì)兩個(gè)全色波段進(jìn)行multiresolution segmentation 分割拷貝已經(jīng)生成的影像

37、對(duì)象層現(xiàn)在，第一個(gè)影像對(duì)象層已經(jīng)創(chuàng)建，下邊將拷貝該影像層兩次.1、 添加一個(gè)新的規(guī)則.2、 算法選擇：拷貝影像對(duì)象層3、 插入層名為level 2002.4、 定義copy the level below.copy the level below，可以為后來(lái)的的影像對(duì)象合并到上部的層成為可能。5、 添加另外一個(gè)規(guī)則，再一次拷貝影像對(duì)象層below.規(guī)則集顯示如下：33 分類2002年的植被在本節(jié)，我們將學(xué)習(xí)以下內(nèi)容：à 定制2002和2004年植被指數(shù)特征à 用定制的特征進(jìn)行植被分類分類2002年的植被，僅僅用到2002年的數(shù)據(jù)圖層.在這個(gè)例子中，植被指數(shù)是一個(gè)定制的特征用

38、于分類的。331 創(chuàng)建2002和2004植被指數(shù)的定制特征NDVI 代表 normalized difference vegetation index 并且通過以下公式計(jì)算：(nir-red)/(nir+red)在該練習(xí)中，不同時(shí)相的兩個(gè)數(shù)據(jù)集被使用的，因此要建立兩個(gè)NDVI特征.每個(gè)NDVI使用針對(duì)的一個(gè)時(shí)相的數(shù)據(jù).1、 創(chuàng)建定制的2002的NDVI特征2、 創(chuàng)建定制的2004的NDVI特征332 用定制的特征進(jìn)行分類NDVI02用來(lái)分類2002影像對(duì)象層的植被，NDVI04用來(lái)分類2004影像對(duì)象層的植被.分類02年的植被1、 在瀏覽窗口里顯示2002層.2、 找到NDVI的臨界值，分類2

39、002年影像的植被.3、 創(chuàng)建新類vegetation024、 添加一個(gè)新的父規(guī)則，并且命名為classification5、 插入一個(gè)子規(guī)則，用NDVI02分類level2002層上所有的對(duì)象,進(jìn)行植被分類分類植被2004重復(fù)前邊的步驟，但使用NDVI04特征，作為分類level2004層的特征。在本節(jié)，我們已經(jīng)學(xué)習(xí)了以下內(nèi)容：à 創(chuàng)建NDVI2002和NDVI2004特征.à 用定制的特征進(jìn)行植被的分類.33 從2002 到2004植被變化的分類本例中用到的規(guī)則，將在類描述中設(shè)置分類的條件.從level1了類中檢查有沒有植被的子對(duì)象存在，并且它們存在哪個(gè)結(jié)合中.l No change 意味著2002 和2004植被分類是相同的.l Decrease 意味著2002植被存在，但2004植被是不存在的l Increase 意味著2002沒有植被，2004有植被.1、 插入三個(gè)新的類：Vegetation no change, vegetation decrease and vegetation increase.3.4.1 類相關(guān)的特征:existe