內(nèi)容簡(jiǎn)介:　　隨著空間科學(xué)技術(shù)的發(fā)展，遙感數(shù)字圖像處理顯得越來越重要，其處理技術(shù)正在向處理算法更優(yōu)化、處理速度更快、處理后圖像更清晰的方向發(fā)展。《eCognition數(shù)字圖像處理方法》是作者系統(tǒng)總結(jié)已有遙感（RS）基本理論、實(shí)踐與成果，特別是總結(jié)了作者近年來從事有關(guān)RS科研與教學(xué)經(jīng)驗(yàn)的基礎(chǔ)上編寫完成的。
　　《eCognition數(shù)字圖像處理方法》從實(shí)用性出發(fā)，理論聯(lián)系實(shí)際，旨在培養(yǎng)學(xué)生的實(shí)踐操作能力?！秂Cognition數(shù)字圖像處理方法》共10章，內(nèi)容包括eCognition軟件介紹、快速制圖模式、規(guī)則集模式、面向?qū)ο蟮姆指钆c分類理論、批處理和分類結(jié)果精度評(píng)價(jià)，同時(shí)結(jié)合具體實(shí)例介紹了eCognition軟件在水體信息提取、植被信息提取、土地利用類型分類和變化檢測(cè)方面的應(yīng)用?！秂Cognition數(shù)字圖像處理方法》內(nèi)容力求通俗易懂，簡(jiǎn)明扼要，突出重點(diǎn)，并附有大量相關(guān)的操作界面插圖。

目錄:前言
第1章 eCognition軟件介紹 1
1.1 eCognition軟件概述 1
1.1.1 eCognition系列產(chǎn)品 1
1.1.2 eCognition軟件特點(diǎn) 3
1.2 術(shù)語介紹 9
1.2.1 影像層 9
1.2.2 影像數(shù)據(jù)集 9
1.2.3 影像對(duì)象、層次結(jié)構(gòu)、域 10
1.2.4 場(chǎng)景、地圖、工程、工作區(qū) 11
1.3 軟件界面介紹 11
1.3.1 規(guī)則集開發(fā)視圖 11
1.3.2 常用工具欄 12
1.3.3 其他常用工具 13
1.4 eCognition圖像分析基本流程 15
1.4.1 傳統(tǒng)的基于像元分類方法的基本流程 16
1.4.2 eCognition圖像分析基本流程 16
第2章 快速制圖模式 18
2.1 快速制圖模式介紹 18
2.2 具體工作流程 18
2.2.1 采用新數(shù)據(jù) 18
2.2.2 在已有的工程上進(jìn)行操作 19
2.3 軟件桌面結(jié)構(gòu)GUI 19
2.3.1 創(chuàng)建解決方案 19
2.3.2 分析設(shè)置的加載和保存 19
2.4 分割操作方法 20
2.4.1 四叉樹分割 20
2.4.2 多尺度分割 21
2.4.3 合并對(duì)象功能 22
2.5 分類功能 23
2.5.1 **Box分類 23
2.5.2 亮度閾值分類方法 24
2.5.3 最近鄰域法分類 25
2.5.4 雜波去除分類方法 26
2.6 輸出數(shù)據(jù) 27
2.6.1 導(dǎo)出（點(diǎn)） 27
2.6.2 導(dǎo)出（多邊形） 28
第3章 規(guī)則集模式 29
3.1 規(guī)則集模式視圖 29
3.2 創(chuàng)建與編輯進(jìn)程 30
3.3 添加一個(gè)進(jìn)程 31
3.3.1 選擇與配置影像作用域 31
3.3.2 添加算法 33
3.3.3 循環(huán)與周期 34
3.3.4 有關(guān)進(jìn)程的相關(guān)操作 34
3.4 對(duì)象層與分割 35
3.4.1 關(guān)于層次結(jié)構(gòu)的影像對(duì)象層 35
3.4.2 創(chuàng)建一個(gè)影像對(duì)象層 35
3.4.3 分割算法創(chuàng)建對(duì)象層 36
3.4.4 編輯一個(gè)影像對(duì)象層或?qū)幼兞?nbsp;36
3.4.5 刪除一個(gè)影像對(duì)象層 37
3.5 獲取影像對(duì)象的信息 37
3.5.1 影像對(duì)象信息窗口 37
3.5.2 特征視圖窗口 38
3.5.3 創(chuàng)建一個(gè)新特征 40
3.5.4 編輯特征距離 42
3.5.5 使用影像對(duì)象表來比較對(duì)象 42
3.5.6 利用二維特征空間圖比較特征 43
3.5.7 元數(shù)據(jù)與特征的利用 44
第4章 面向?qū)ο蟮姆指钆c分類理論 47
4.1 面向?qū)ο蟮倪b感圖像分類技術(shù) 47
4.1.1 基于像素的傳統(tǒng)圖像分析 47
4.1.2 面向?qū)ο蟮膱D像分類 48
4.2 創(chuàng)建影像對(duì)象的分割算法 49
4.2.1 自上而下的分割 49
4.2.2 自下而上的分割 52
4.2.3 重塑算法分割 55
4.3 分類算法 56
4.3.1 閾值分類算法 56
4.3.2 模糊分類算法 57
4.3.3 分類器分類算法 60
第5章 批處理 63
5.1 自定義導(dǎo)入工程 63
5.1.1 打開批處理界面 63
5.1.2 創(chuàng)建工作空間 64
5.1.3 自定義導(dǎo)入數(shù)據(jù) 65
5.2 批處理設(shè)置 68
5.2.1 開啟本地服務(wù)器 68
5.2.2 執(zhí)行規(guī)則集 69
5.2.3 查看執(zhí)行結(jié)果 70
第6章 分類結(jié)果精度評(píng)價(jià) 71
6.1 創(chuàng)建工程 72
6.1.1 打開影像 72
6.1.2 打開矢量文件 73
6.1.3 編輯圖層名稱 73
6.1.4 影像顯示效果 75
6.1.5 查看矢量文件 76
6.1.6 查看屬性表 76
6.2 結(jié)合矢量分割 78
6.2.1 創(chuàng)建進(jìn)程目錄 78
6.2.2 添加棋盤分割進(jìn)程 79
6.2.3 查看分割結(jié)果 79
6.3 驗(yàn)證點(diǎn)轉(zhuǎn)化為樣本 80
6.3.1 創(chuàng)建目錄進(jìn)程 80
6.3.2 添加分類進(jìn)程 81
6.3.3 查看分類結(jié)果 82
6.3.4 分類結(jié)果轉(zhuǎn)為樣本 83
6.3.5 還原樣本的分類結(jié)果 84
6.3.6 還原影像的分類結(jié)果 85
6.4 精度評(píng)價(jià) 86
6.4.1 精度評(píng)估方法 87
6.4.2 基于TTA掩膜的誤差矩陣評(píng)價(jià)方法參數(shù)介紹 88
第7章 水體信息提取 90
7.1 水體信息提取原理 90
7.2 提取水體方法 91
7.3 水體提取操作 92
7.3.1 創(chuàng)建工程 92
7.3.2 影像分割 93
7.3.3 區(qū)分水體與非水體 95
第8章 植被信息的提取 105
8.1 植被信息提取的意義 105
8.2 閾值分類方法提取植被 105
8.2.1 影像加載及分割 105
8.2.2 分類類別的建立 107
8.2.3 創(chuàng)建運(yùn)算特征NDVI 107
8.2.4 根據(jù)需求調(diào)整閾值 109
8.2.5 對(duì)影像進(jìn)行分類 110
8.3 隸屬度函數(shù)方法提取植被 111
8.3.1 影像加載及分割 112
8.3.2 創(chuàng)建運(yùn)算特征NDVI 114
8.3.3 調(diào)節(jié)模糊范圍 115
8.3.4 分類類別的建立 116
8.3.5 對(duì)影像進(jìn)行分類 118
第9章 土地利用類型分類 119
9.1 土地利用類型分類的意義 119
9.2 土地利用類型的最鄰近域分類 119
9.2.1 影像加載及分割 119
9.2.2 分類類別的建立 122
9.2.3 插入分類器 122
9.2.4 定義樣本對(duì)象 123
9.2.5 對(duì)圖像進(jìn)行分類 125
9.2.6 精度評(píng)價(jià) 126
9.3 土地利用類型的CART分類器分類 127
9.3.1 矢量樣本文件的創(chuàng)建 127
9.3.2 影像加載及分割 127
9.3.3 矢量點(diǎn)文件轉(zhuǎn)化為樣本 131
9.3.4 使用CART分類器分類 131
9.3.5 分類過程導(dǎo)出 135
9.3.6 分類誤差的產(chǎn)生及消除 136
第10章 eCognition變化檢測(cè) 137
10.1 變化檢測(cè)概述 137
10.2 eCongnition變化檢測(cè)方法 138
10.2.1 變化檢測(cè)的技術(shù)路線 138
10.2.2 變化檢測(cè)的實(shí)現(xiàn)方法 138
10.2.3 變化檢測(cè)精度評(píng)價(jià) 141
10.3 變化檢測(cè)操作實(shí)例 144
10.3.1 導(dǎo)入影像 144
10.3.2 復(fù)制地圖 145
10.3.3 影像分類 146
10.3.4 同步地圖 147
10.3.5 變化檢測(cè) 150
主要參考文獻(xiàn) 153