面向对象影像分类

面向对象影像分类
面向对象的影像分类是在面向对象特征提取的基础上进行的。在分类之前，必须根据
需要提取的地物类别，选择合适的尺度和合适的特征，然后根据地物类别的性质，设计好分
类策略和步骤。对于给出的实验数据，我们的要求是分成草地、道路、房屋和湖泊四个类，
根据面向对象特征提取中的经验可以发现，在Object Features -> Layer Values -> Mean ->
Layer 3上可以很好地将草地/湖泊和道路/房屋分开，然后根据Object Features -> Geometry ->
Extent -> Length/Width提取道路，因此分类策略是：先将草地/湖泊和道路/房屋分开，然后
再分别针对草地/湖泊和道路/房屋的特征，将草地和湖泊、道路和房屋分开。
具体分类步骤如下：
1、多尺度分割：按照面向对象特征提取中的步骤，设置三个尺度100、70和50，并进
行分割，分别得到L1、L2和L3层尺度影像，在尺度层网络中，L1尺度最大，在最上面，
往下分别是L2和L3。最后的分类结果需要集中显示在一个层，因此还需要再加一个尺度层，
只不过这个尺度层不纳入上面的尺度层网络中。在Process Tree中点右键，选择Append New，
算法选择Segmentation -> multiresolution segmentation，Image Object Domain设为pixel level，
尺度设为40，新层的名称为L4，同时运行该分割，得到L4层的分割结果。
2、在Class Hierarchy中添加4个类，右键点击空白处，选择Insert Class，在弹出的对
话框中分别命名为level1、level2、level3和level4，颜色都选择为灰白色：
3、给三个类层次添加level属性：双击level1类，双击Contained -> add(min)，弹出Insert
Expression对话框，依次选择Object features -> Hierarchy -> level，双击level，打开Membership

function，单击按钮，在处输入3和5，表
示该函数的值为4，点击OK按钮，即完成给level1类添加level属性的操作。
这里level1类的level属性值为4，是因为整个分类过程要分成四个层次，如下图所示：

在level1层，将人工目标（道路、房屋）与非人工目标（草地、湖泊）区分开；在level2
层设置非人工1，该类完全继承了level1中的非人工，在非人工1上再将草地1和湖泊1区
分开；在level3层设置人工1，该类完全继承了level1中的人工，在人工1上再将道路1和
房屋1区分开；在level4层为最终的分类层，其中草地和湖泊完全继承了level2中的草地1
和湖泊1，道路和房屋完全继承了level3中的道路1和房屋1。因此在这个层次结构中，level1
处于最上层，所以level属性值为4，区间为3到5，依次类推，level2的level属性值为3，
level3的level属性值为2，level4的level属性值为1。按照这个属性值分别设置完level1至
level4的所有level属性。需要注意的是，Class Hierarchy视图有Group和Inheritance两个标
签，这两个标签类的这种层次结构应该是一致的，否则会出错。在编辑每个类的属性时，都
可以通过双击这两个标签中类的名称，但是在一个标签中改变类的层次结构，在另一个标签
中却不会出现相应的改变，因此需要手动改变。
4、添加level1类的规则：双击“人工”，在弹出的对话框中依次双击add(min)，Threshold，
Object Features -> Layer Values -> mean，如下图：

双击Layer 3，在弹出的对话框中设置如下，点击OK。
双击“非人工”，在弹出的对话框中依次双击add(min)，Similarity to classes -> 人工，
如下图：
此时即设置“非人工”与“人工”具有相同的性质，而实际上它们应该具备相反的性
质，因此需要设置“非人工”为“人工”的反义。在add(min) -> 人工 上右键，选择Invert
Expression，此时变成了“not 人工”，即完成取反。
5、对level1层次进行分类：在Process Tree中右键选择Append New，弹出的对话框中
Algorithm选择Basic Classification -> Classification，Algorithm Parameters中的Active Classes
选择“人工”与“非人工”，点击OK。
在Process Tree的新增加的一条记录上点右键，选择
Execute，得到level1层的分类结果，如下图，可以看出，道路和房屋等人工目标以红色显
示，非人工目标为灰白色。

6、level2层次分类：将设置为L2层。首先将“非人工1”完全继
承level1中的“非人工”。双击“非人工1”，双击add(min)，双击threshold，选择class-related
features -> relations to super objects，双击Create new “Existence of”，在Class中选择“非人
工1”，Distance设置为1，点击OK，如下图：
弹出如下的对话框：
这里设置为“=1”，表示完全将“非人工1”类继承下来。
设置“湖泊1”的规则：双击Feature View视图中的Object Features -> Layer Values -> mean
-> layer 1，可以发现湖泊在该特征上的值非常低，均低于36，而草地的值高于36，因此用
该特征可以将草地与湖泊分开。双击“湖泊1”，依次双击add(min) -> Threshold -> Object
features -> Layer Values -> Mean -> Layer 1：
在弹出的对话框中设置为“<36”，如下图，点击OK。
然后将“草地1”设置为“湖泊1”的反义，具体设置参照步骤4，设置好的规则结果
如下图：
应用level2的分类：在Process Tree中右键选择“Append New”，Algorithm中选择Basic
Classification -> classification，Algorithm Parameters中的Active Classes中选择“草地1，湖
泊1”，如下图：
此时Process Tree中多了一条记录，，右键选择Execute，查
看level2层的分类结果，如下图：

7、level3的分类：将设置为L3，按照步骤6，将“人工1”完全
继承level1中的“人工”，有一点不同的是，在下面的对话框中，Distance应该设置为2，因
为level3和level1的层间距离为2，其余的设置是一样的：

设置“道路1”的规则：由于道路对象具有长条的形状，因此可以使用Object features ->
Geometry -> Extent -> Length/Width特征，大于6可以认为是道路，否则可以认为是房屋，
设置好的规则如下：
设置“房屋1”为“道路1”的反义，具体操作参见步骤4
使用规则进行分类：在Process Tree中右键选择Append New，Algorithm中选择Basic
Classification -> classification，Algorithm Parameters中的Active Classes中选择“道路1，房
屋1”，如下图：
此时Process Tree中多了一条记录，，右键选择Execute，查看
level3层的分类结果，如下图：

到此需要分类的地物都已经在不同的尺度层上区分出来，最后一步就是在level4层上将
上述处理的结果进行继承，得到最终的分类图。

8、level4分类：将设置为L4。双击“草地”，依次双击add(min) ->
Threshold -> class-related features -> relations to super objects，双击Create new “Existence of”，
在Class中选择“草地1”，设置Distance为2。其他地物的继承方式同“草地”，不同的是
Distance，草地和湖泊的Distance为2，道路和房屋的Distance为1。
按规则分类：在Process Tree中右键选择Append New，Algorithm中选择Basic
Classification -> classification，Algorithm Parameters中的Active Classes中选择“道路，房屋，
草地，湖泊”，如下图：
此时Process Tree中多了一条记录，，右键选择
Execute，查看level4层的分类结果，即为最终的分类结果。如下图：