eCognition 객체지향 다중 스케일 분할
ESP 플러그인을 사용한 다중 규모 분할.
ESP 플러그인 다운로드
링크: https://pan.baidu.com/s/1QnDASk1p5GCYNCoEXB0vSg
추출 코드: i102
ESP 플러그인 압축 패키지에는
(1) ZedGraph.dll
(2) ESP_estimation_scale_parameter.dcp
(3) ESP_Estimation_Scale_Parameter_Chart.exe가 포함되어
있으며 eCognition Developer 64 설치 디렉터리의 bin\plugins 폴더에 ZedGraph.dll 확장 파일을 넣습니다.
1 단계. eCognition 소프트웨어를 열고 작업 공간을 만들고 이미지를 가져옵니다.
2단계. 도구를 로드하고 실행합니다.
도구 모음 [프로세스]-[규칙 세트 로드](컴퓨터의 압축 해제된 폴더에 ESP가 저장되어 있는 경로)에서 규칙 세트/사용자 정의 알고리즘 "ESP2_Estimation_Scale_Parameter_2.dcp"를 로드합니다 .
ESP2는 2014년 최신 버전이고 ESP 2010 버전입니다. 둘의 매개 변수가 약간 다릅니다.
step3. 필요에 따라 매개변수를 설정합니다. 위 그림은 기본 매개변수를 보여줍니다.
매개변수 설명
- Selectmap : (ESP2를 적용할 맵을 선택하세요. 기본적으로 ESP2는 메인 맵에서 분할됩니다.)
- 계층 구조 사용 : 계층 구조 사용(0 = 각 배율 매개변수가 픽셀 수준을 기반으로 독립적으로 생성됨, 1 = 각 배율 수준이 하향식 또는 상향식 접근 방식으로 계층 구조에서 생성됨)
- 계층 구조: TopDown=0 또는 BottomUp=1 ? : BottomUp은 가장 작은 수준에서 시작하여 개체를 병합하여 더 높은 수준을 얻습니다. TopDown은 더 두꺼운 수준에서 시작하여 개체를 분할하여 더 작은 수준을 얻습니다. 기본적으로 1과 같습니다.
- **시작 척도_레벨 **: 세 가지 처리 수준을 시작하기 위한 최소 척도 매개변수
, 기본적으로 모든 시작 척도 = 1 - 단계 크기_레벨 1 : 단계적 분할 처리를 위한 비율 매개변수의 증분, 기본값은 1, 10, 100…
- 'Shape' 및 'Compactness' : 다중 스케일 분할에서 구현된 동질성 기준의 구성, 기본값은 각각 0.1과 0.5입니다.
- Produce LV Graph' : 0=LV.txt 파일을 생성하지 않음, 1=LV 값이 포함된 txt 파일을 생성합니다. 파일은 ESP_Estimation_Scale_Parameter_Chart의 도움으로 그래픽적으로 가상화됩니다.
- 루프 수 : LV 다이어그램을 생성하려는 경우 설정해야 하는 루프 수와 생성할 스케일 레벨 수입니다.
매개변수 설정 후 실행을 클릭하면 실행되는데, 이미지가 클 경우 실행 시간이 더 오래 걸립니다.
step.4 실행 후 결과 확인
실행이 완료된 후 맵을 전환하고 활성 맵 선택에서 Hierarchy_B-Up을 선택하여 결과를 확인하세요. 실험 데이터는 서로 다른 레벨 간 전환과 함께 3개의 레이어로 구성되어 있으며, 아래 그림은 레벨3~레벨1을 보여줍니다.
마지막으로 [내보내기]를 통해 결과를 내보낼 수 있으며,
결과를 Shapefile 및 기타 형식으로 내보낼 수 있습니다.
5단계. 최적의 분할 매개변수 확인
ROC-LV 라인 차트를 얻으려면 위의 LV 그래프 생성 매개변수를 1로 설정하십시오.
이 도구는 지역적 분산(LV)과 변화율(ROC = 이자 척도 수준과 이전 수준 사이의 변화율) 대 척도 수준을 표시합니다. 플롯은 지역 분산의 ROC가 갑자기 하락한 후 수준이 나타나는 것을 보여줍니다. 그러나 첫 번째 척도 수준에서 ROC가 매우 높으면 지역 분산의 변화가 표시되지 않습니다.
txt 파일을 차트 도구에 입력하고 변화율 값을 계산하면 다음과 같은 결과를 볼 수 있으며 그림에서 피크의 존재를 명확하게 볼 수 있습니다. 피크를 찾은 후, 피크에 해당하는 분할 스케일을 직접 사용하여 다중 스케일 분할 실험을 수행하여 각 지상 물체 유형에 해당하는 최적의 스케일을 찾을 수 있으므로 실험을 위해 스케일을 횡단해야 하는 불편함을 없앨 수 있습니다.
장면의 객체 균일성이 증가하면 스케일 매개변수에 따라 로컬 분산도 증가합니다. 곡선의 연속적인 수준 이전에 LV의 가장 높은 값은 개체가 균질한 변화 측면에서 의미 있는 조직 수준에 도달하는 규모를 나타냅니다.