关于eCognition软件点云专题应用——基于点云与影像的土地利用类型地物智能化解译分析- 大数跨境

关于eCognition软件点云专题应用——基于点云与影像的土地利用类型地物智能化解译分析

图源科技

2022-11-11

导读：基于eCognition软件的OBIA面向对象分析技术智能化提取湖泊、植被、耕地、建筑房屋、道路和裸地六大地物类型。点击进入>

说起点云数据，想必大家并不陌生。目前已广泛应用于遥感、测绘、电力、BIM/CIM、工业、汽车、游戏、刑侦等领域。该数据获取的方式通常是利用激光扫描技术获取，或者利用数字影像匹配技术生成点云。在自然资源动态监测、国土空间规划等应用进行土地利用类型分类时，基于Trimble eCognition软件可充分挖掘和利用点云的隐藏数据信息，从而提高土地利用类型分类的高效性和准确性。

一、关于数据

本次数据测试目的为基于eCognition软件的OBIA面向对象分析技术智能化提取湖泊、植被、耕地、建筑房屋、道路和裸地六大地物类型。关于数据的基本情况如下所示：

表1研究区数据情况信息

原始影像与点云数据

图1原始影像与点云数据

图2 点云3D显示效果

二、整体技术路线

本次数据测试整体技术流程如下所示：

图3 技术路线

三、数据处理

1. 基于复制地图算法。将地图进行备份，命名为：copyedmap。复制地图算法可以将不同的时相的影像单独的复制出来，可进行独立的分割分类，支持同一块数据进行多次分割算法的应用，进而创建多个层级（Level）。

图4 复制地图算法及效果

2. 基于栅格化点云算法。创建ElevationMax、ReturnnumberStddev、IntensityStdDev、Zcoordinamin四个特征图层，可深度挖掘、利用点云数据的高度和密度等其它信息。

图5 创建所有图层

3. 基于多阈值分割算法，利用“ElevationMax特征图层”提取出有高度的地物；基于中值滤波算法，对整张影像进行地图插值。

图6 多阈值分割参数界面及应用效果

图7 中值滤波应用结果

4. 基于多尺度分割算法，对整张影像进行分割，分割尺度是65。

图8 多尺度分割应用效果

5. 分类“湖泊”。基于阈值分类算法（assign class），利用Zcoordinamin特征图层的均值小于30进行分类，分类得出“湖泊”类别，利用面积特征，去除“湖泊”中的小杂斑，优化“湖泊”的分类结果，然后进行合并。

图9 “湖泊”优化结果

6. 分类“植被”。基于指数图层计算算法，创建“NDVI”植被特征因子。基于阈值法，利用Mean NDVI > 0.4阈值分类条件。

图10 指数图层计算算法及植被应用结果

7. 分类“道路”。基于阈值法，利用 Length/Width > 3，划分出“道路”类型；再利用道路的外边框进行道路分类的优化（Rel.border to 道路 > 0.6 & Rel.border to 道路 > 0.4），同时也利用了Zcoordinamin特征。

图11 “道路”优化结果

8. 分类“建筑房屋”。利用“道路”的长宽比特征小于2.7（Length/Width < 2.7）和矩形特征大于0.9、根据蓝光波段的均值特征（Mean blue >131）、密度特征(Density>2.1)、Zcoordinamin特征的条件将“建筑房屋”类型进行划分。

图12 “建筑房屋”分类条件

图13 “建筑房屋”优化结果

9. 分出“耕地”类型。利用Mean ElevationMax > 122和Mean ElevationMax < 147、面积特征因子、NDVI特征因子和其它波段的光谱信息特征进行“耕地”划分，最后将剩余的地类归为“裸地”。

图14 “耕地”优化结果

10. 合并“道路”、“耕地”、“湖泊”、“建筑房屋”“裸地”、“植被”所有地物类别，利用“基于像素重塑算法”进行各地物分类结果的边缘优化，最终的分类结果如下：

图15 各地物分类整体效果

综合上方的各影像地物分类测试结果，本次数据测试总结如下：湖泊类型是最好提取的地物；植被和耕地、建筑物和道路在提取过程中均发生了混合，最后利用点云数据的高度特征进行了区分；将无植被区域或者植被特别稀少的区域划分为裸地，该过程中容易将乔木与乔木之间的空隙错分进来，通过移除对象算法和发现被包含的影像对象算法进行精度的提高。

精度评价

eCognition 软件精度评估

基于eCognition软件进行精度评估。首先应用Arcgis软件制作了植被（VEG ）、建筑房屋（Buildings）、道路（ROAD）、湖泊（HUPO）、耕地（GD）、裸地（LD）的精度矫正文件。其次加载到eCognition软件中进行精度评价。该地物分类结果的评价精度不仅受到技术人员主观遥感目视解译因素的影响，而且受自创建的检校文件精度等其它因素影响，以及避免不了的一些数据误差影响。