OBIA – 基于对象的图像分析 (GEOBIA)

OBIA – 基于对象的图像分析 (GEOBIA)

  • 最近更新2022年08月28日

考虑对象,而不是像素

如果您只需单击一个按钮就可以将图像中的所有特征数字化,该有多神奇?

最重要的是,您可以通过再次单击按钮对每个功能进行分类。

听起来像魔术?但这两个过程是在基于对象的图像分析(OBIA)中执行的分割和分类。

让我们来看看它是什么以及如何使用它来更有效、更准确地完成工作。

分割是分类的关键

人类视觉感知几乎总是优于计算机视觉算法。

例如,当你看到一条河流时,你的眼睛就知道它了。但是计算机无法识别湖泊中的河流。

…或者可以吗?

传统的基于像素的图像分类为每个像素分配一个土地覆盖类别。所有像素的大小相同,形状相同,并且没有任何邻居的概念。

然而,OBIA 将图像分割成一组小像素为矢量对象。分割不是基于每个像素,而是自动为您数字化图像。

OBIA分割
基于对象的图像分析 (OBIA) 分割是将相似像素分组为对象的过程

分割所做的是复制您的眼睛正在做的事情。

但是对于这些分割的对象,您可以使用它们的光谱、几何和空间属性将它们分类为土地覆盖。

OBIA分类
OBIA 分类使用物体的形状、大小和光谱特性对每个物体进行分类

否则,当您使用传统的图像分类技术时,您通常会在分类结果中看到椒盐味。

回顾一下,OBIA 的两个基本原则是:

  • 分割:将图像分解为代表陆地特征的对象。
  • 分类:使用它们的形状、大小、空间和光谱特性对这些对象进行分类。

让我们更深入地研究这两个概念。

通过分割生成有意义的对象

当您分割图像时,该过程将像素分组以形成对象。突然,土地覆盖特征开始出现,类似于您的眼睛处理周围环境的方式。

对于这个 50cm 分辨率的图像,多分辨率分割算法在eCognition Definiens Developer中将图像分解。根据您的紧凑性和形状设置,这是 OBIA 的初步步骤。

您希望对象有多大?您可以估计一个比例参数以生成更有意义的对象。

此外,您可以为要分割的所有层配置权重。这意味着您不仅需要按红色、绿色或蓝色进行分割,还可以对 DEM、DSM、NIR 甚至 LiDAR 强度进行分割。

认知分割
Trimble Ecognition 多分辨率分割与自定义图像对象融合

同样,ArcGIS 中的分段均值偏移是基于对象的图像分析的另一种方法。但是,您没有 Trimble eCognition 那么多的选项。

例如,您不能在运行过程时设置多个层的权重。您可以做的是设置光谱和空间细节,以及以像素为单位的最小尺寸。经过反复试验,我们使用光栅计算器设置自定义权重,使用 nDSM 和红色波段作为输入。

ArcGIS 分割
使用 Segment Mean Shift 算法的 ArcGIS 分割

 

分类土地覆盖特征

分割图像后,是时候对每个对象进行分类了。您现在可以进行分类,因为每个对象都有与之关联的统计信息。例如,您可以根据几何、面积、颜色、形状、纹理、邻接等对对象进行分类。

虽然 ArcGIS 中的选项有限,但这正是 Trimble eCognition 的真正威力所在。在这个例子中,似乎有无穷无尽的统计数据来对建筑物进行分类。但是哪个统计数据是正确的?

OBIA图像对象信息
OBIA 中的每个对象都有与之关联的统计信息。右侧是所选建筑物的图像对象信息,包括其形状、大小和光谱特征

诚然,没有使用 OBIA 对土地覆盖特征进行分类的最佳方法。然而,分析师经常使用这些统计数据来使用 OBIA 对土地覆盖进行分类:

  • 是平坦的(低 nDSM),它积聚成洼地(高 TWI 或低 TPI),它具有低温(热红外 – TIRS),并且具有高近红外吸收(负NDVI
  • 树木具有不同的高度(高nDSM标准偏差)并具有高近红外反射率(高 NDVI)。
  • 建筑物通常是矩形的(高矩形适合),很高(高 nDSM),并且有高坡度。
  • GRASS短(低 nDSM),平坦(低 nDSM 标准差),并且具有中等近红外反射率(中等 NDVI)。
  • ROADS反射大量光(高 RGB),它们是平坦的(低 nDSM),具有高光强度,并且具有低或负的 NDVI。
认知分类

您可以设置规则集,这是一组用于分割和分类对象的预定义步骤。与ArcGIS 中的 ModelBuilder类似,它会逐步执行每个过程,直到完成。

或者,Trimble ECognition 有一个最近邻分类,您可以在其中根据定义的样本进行添加和分类。

更清晰的图像 = 更高级的图像分类

1972 年,Landsat-1 引发了我们如何监测地球的革命。随着美国政府放宽对高分辨率卫星数据的规定,更清晰图像的上升趋势简直令人瞩目。

不仅像 Worldview 或Planet Labs这样的卫星,而且像 DJI 这样的LiDAR和无人机的使用也出现了健康增长。我们对图像进行分类的方式已经从无监督发展到更复杂的基于对象的图像分类

图像分类时间线

当一个像素包含Landsat-1场景中的多个建筑物时,就不需要进行基于对象的图像分析。然而,新型高分辨率数据需要基于对象的图像分析。

例如,Landsat-1 场景无法破译公园中的建筑物。在这种情况下,无监督和有监督的分类就足够了。但现在,您可以使用 OBIA 对高分辨率数据进行分割和分类,以获得更有意义的土地覆盖。这是遥感界的趋势。

否则,传统的图像分类技术会给出不需要的盐和胡椒分类。

无监督分类椒盐
带有不需要的散斑分类的无监督分类

OBIA – 基于对象的图像分析

OBIA 从细胞生物学家解剖图像扫描开始。GEOBIA(基于地理对象的图像分析)将其与医学起源区分开来。

更清晰的图像、更多的光谱带和大量的数据采集有助于解决当今的问题。

遥感趋势

为了理解所有这些信息,我们需要 OBIA 或基于对象的图像分析来自动化我们的一些工作。

随着时间的流逝,卫星在轨道上默默地收集了大量荒谬的数据……但是,如果您不知道如何使用卫星数据,那有什么用呢?

OBIA 是关于大规模生产的。您创建一个规则集,运行它,并根据需要编辑您的分类。

分享到 :
相关推荐

QGIS 地理编码:将地址转换为点

QGIS地理编码:将地址转换为点QGIS地理编码在QGIS的开源GIS[&helli...

10 个用于导航的 GPS 应用程序 [Android 和 iOS]

10个适用于您手机的GPS应用程序[Android和iOS]今天,我们[&helli...

5 个最佳 Web 制图平台——Web GIS 之战

ArcGISOnlinevsCartovsMapboxvsMango[&hellip...

GPS 接收器的工作原理 – 三边测量与三角测量

GPS接收器使用三边测量你有没有想过你的GPS接收器是如何工作的?他们使用一[&he...