易康EPS2的使用（一）

预备知识：http://blog.csdn.net/danialxiaoe/article/details/44804477

ESP2免费下载链接 —— http://research.enjoymaps.ro/downloads/#

参考文献：基于多层次分割的遥感影像面向对象森林分类_马浩然

http://nvsm.cnki.net/kns/detail/detail.aspx?FileName=1014318922.nh&DbName=CMFD2014

以上链接里所含内容本文尽量不再重复，这里只对容易困扰大家的操作细节进行个人经验的介绍，有误之处，欢迎指教。

详细图片地址https://blog.csdn.net/huijie_7/article/details/85326504

按第1个链接流程安装好ESP插件并在ProcessTree中添加了ESP算法后，可以参考此文做如下工作。

一、ESP2参数的介绍

首先打开ESP算法面板，可以看到很多参数。接下来一一说明各参数作用及设置思路。

（1）Select map：本次计算的对象图层，默认为main.

（2）Use of Hierarchy（0=no;1=yes）：是否使用多层次流程，不使用为0，使用为1，默认为1.

（3）Hierarchy：TopDown=0 or Bottom…=1：自上而下参数为0，自下而上参数为1，默认为1.

（4）Starting scale_Level 1：第1层分割起始尺度，默认为1.

（5）Step size_Level 1：第1层分割尺度的增长步长，默认为1.

（6）Starting scale_Level 2：第2层分割起始尺度，默认为1.

（7）Step size_Level 2：第2层分割尺度的增长步长，默认为10.

（8）Starting scale_Level 3：第3层分割起始尺度，默认为1.

（9）Step size_Level 3：第3层分割尺度的增长步长，默认为100.

（10）Shape（between0.1 and 0.9）：形状因子，默认为0.1.

（11）Compactness（between0.1 and 0.9）：紧致度因子，默认为0.5.

（12）Produce LV Graph（0=不生成；1=生成）：生成LV图，默认为0.

（13）Number of loops：循环次数，默认为100次.

其它参数默认。

二、最优分割尺度的确定

算法面板中需要用到的形状因子和紧致度因子需要个人提前知道，可以做实验大致确定，思路是控制变量找最优。先随意选一个分割尺度，再控制住形状因子去找最优的紧致度因子，然后控制住紧致度因子再找最优的形状因子，这一步操作使用多尺度分割工具完成，无难度。最后就是控制住形状因子和紧致度因子来找核心的最优尺度（Scale）。

在使用ESP的过程中，疑问最多的地方就是原博文中的折线图是如何生成的以及哪些值才是最佳尺度。

再啰嗦一下原理：ESP工具通过计算不同分割尺度参数下影像对象同质性的局部变化（Localvariance，LV）的变化率值ROC-LV（rates of change of LV）来指示对象分割效果最佳参数。当LV的变化率值最大即出现峰值时，该点对应的分割尺度即为最佳分割尺度，一般来说，ESP计算得到的最优分割尺度并非只有一个，这是由于几个最优分割尺度是针对影像内不同地物得出的。

一些论文里出现了ROC-LV折线图，其生成的关键是参数（12）Produce LV Graph（0=不生成；1=生成）：生成LV图，默认的0即不生成。其它参数自己决定就好。

我们把这个参数从0改成1后，才会在影像路径下生成一个名叫Hierarchy_BU的txt文件，只有将这个文件输入ESP插件工具，方可看到折线图及峰值。

将txt文件输入Chart工具并计算变化率值，可看到如下结果，图中可清晰地看出峰值的存在。在找到峰值以后，可直接用峰值对应的分割尺度做多尺度分割实验，寻找每种地物对应的最优尺度，省去了遍历尺度进行实验的不便。

具体地，在折线图上右击，可勾选Show point value工具，点选峰值以查看其对应尺度。
————————————————
版权声明：本文为CSDN博主「o刘非刘o」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/liujinli0712/article/details/79716278

易康EPS2的使用（一）相关推荐

eCognition易康导出分割结果
文章目录前言一.准备工作二.导出分割结果矢量文件三.导出分割结果栅格文件前言最近做影像分割方面的研究,需要将自己提出的影像分割算法与其它算法比较,易康中集成的多尺度分割(multireso ...
【易康eCognition】面向对象的图像分类学习
这小半年一直在用易康做面向对象的图像分类,总结几个常用的入门知识帖,免得以后丢失这些资源: 1. 入门快速上手:https://wenku.baidu.com/view/d97df86ff12d2af ...
【中国数据创新琅琊榜】数联易康医疗大数据平台，创新健康医疗产业变革的推动者和见证者！
古之"琅琊榜"让最优秀的青年才俊闻名天下,而"中国数据创新琅琊榜"正是为积极鼓励那些在各自领域不断创新,不断突破的企业,从行业角度出发,对以数据创新驱动业务发展 ...
001：这里是一个关于易康分割+分类的记录
001:这里是一个关于易康(eCognition)分割+分类的记录前言笔者大三,地信专业,对遥感地学分析方向非常有兴趣,但是前期遥感基础知识储备并没有认真学习,很多名词只是在上课的时候有印象,并没 ...
易康中如何提取特征并进行重要性排序
易康通常使用各种机器学习算法来提取数据的特征.特征选择的过程包括选择对模型预测具有重要性的特征.一种常用的特征选择方法是使用随机森林算法,该算法会计算每个特征对预测的贡献,并将其排序.此外,还可以使用 ...
第021篇：易康（eCognition）中用点矢量文件制作样本验证分类精度的操作方法
续写:第011篇:易康(eCognition)中用点矢量文件(point.shp)制作样本(samples)的方法参考链接:https://blog.csdn.net/liujinli0712/ar ...
使用易康（eCognition Developer 8.9）对遥感影像进行面向对象分类
使用易康(eCognition Developer 8.9)对遥感影像进行面向对象分类 1.导入加载影像数据(注意文件不能出现中文) 2.影像分割 1)在[Process Tree]对话框里写分割进程 ...
易康9.0监督分类实操步骤
可能在一些场景中,已经有了矢量数据,而且与影像套合的比较规整,再进行监督分类,无需重复采集样本,可直接使用已有矢量作为样本.以下为过程完整,增加采集矢量步骤. 1. 准备样本打开ArcMap,加载影 ...
易康_最佳分割尺度的选择——ESP2工具的使用
一.ESP2插件下载 http://research.enjoymaps.ro/downloads/# 二.打开易康软件加载插件三.使用ESP2插件
易康插件ESP2及其软件的详细使用
主要内容转自https://blog.csdn.net/danialxiaoe/article/details/44804477 与https://blog.csdn.net/liujinli0712 ...

易康EPS2的使用（一）

易康EPS2的使用（一）相关推荐

最新文章

热门文章