解决方案
Solution
联系我们
电话:010-62908360
传真:010-62908360
邮箱:info@mapcore.com.cn
地址:北京市海淀区黑泉路8号宝盛广场C座7005
应用案例
您现在的位置: 首页 >> 解决方案 >>  应用案例
农作物——冬小麦面积统计计算
发布时间:2017-07-27 10:56:39 | 浏览次数:

1. 项目概况

       该项目是利用遥感手段,对涵盖了某省20多个县区域内冬小麦种植面积进行调查。由于项目时间紧,工作人员少的原因,经过前期的可行性研究,决定该项目使用eCognition软件,利用其面向对象的方法,进行冬小麦面积的快速提取,以期在一个月内快速、准确的完成。

       影像数据采用RapidEye影像,空间分辨率为5米,影像包含多光谱五个波段——红、绿、蓝、近红外、红边。样本区域数据为1959×1912个像元,36M;整个研究区域数据大小>25GB。该项目利用eCognition软件对研究区的RapidEye影像数据进行分类,按照软件中面向对象的步骤,提取出冬小麦面积。由于研究区域面积大、影像数据量大,冬小麦面积提取过程中使用Server进行批处理操作,即先使用eCognition Developer对小块样区(如下图所示)开发模版规则集,然后利用该规则集在Server中进行批处理。最后,根据批处理的结果与外业检查的结果相结合,使用软件的手动编辑功能进行后期的优化处理。

 

1研究区的原始影像

2. 实施概述

2.1技术路线

       eCognition软件的面向对象的分类过程是,首先对原始数据进行多尺度分割、光谱差异分割等不同的分割算法,尽量使得分割出来的对象轮廓线与你所要分类的地物的边界相符合。当然,不同地物的分类可以使用不同的分割尺度,这样分割出来的对象才能表现出其地物的 “独一无二” 的特征。然后,利用分割出来的对象中的光谱特征、空间特征、关系特征等特征,分类出各个地物类别。最后,对分类的结果进行导出操作,并进行数理统计。下图为本项目的技术路线:

 

1.2 技术路线图

2. 2分类成果

分类结果如下图所示:

 

1.3 研究区分类结果

       软件分类时,在多尺度分割之前,使用了canny边缘检测算法检测出地物边缘信息,并把得到的结果参与到多尺度分割算法中来,使得分割出来的对象边界更加符合地物的实际界限,有利于建成区等边缘明显地物的分类提取。然后在软件中自定义波段运算,创建出不同的特征来区分不同地物。如分类建成区时,由于其内部像元是非均质的,因此使用了边缘提取结果的标准差特征,把相对非均质的对象分类为建成区类别。

    批处理的精度,在项目完结时,采用了30%的人工来进行手动的编辑纠错,最后的K值精度在90%以上。

3. 解决的关键问题

       本项目的关键问题主要是如何找出有效的特征区分那些在光谱表现上很相近的地物,如冬小麦、蒜苗、菜地的区分问题。在特定的区域中,定义了一些波段运算等自定义算术特征,可以有效的区分这些地物,但要实现自动精度问题还有待进一步研究改善。

4. 总结

1)专题分类(或简单的分类)可以使用本项目的方式,即找出一些较敏感的指数特征,在排除混淆地物的基础上分类出想要的1个到2个类别,完成专题分类过程。

2)利用eCognition Server软件进行批处理操作,提高效率,降低成本。

3)使用eCognition Developer开发出能够在eCognition Architect中使用的解决方案,利用简单的滑块调节参数的形式,让非遥感专业的行业人员进行影像分析任务。

 

官方微信

官方微博
Copyright@ 北京图源科技有限公司       ICP9863263414643413    多源世界 智图管理