eCognition は ESP プラグインを使用して最適なセグメンテーションスケールを取得します

eCognition オブジェクト指向マルチスケールセグメンテーション

ESP プラグインを使用したマルチスケールセグメンテーション。

ESPプラグインをダウンロードする

リンク: https://pan.baidu.com/s/1QnDASk1p5GCYNCoEXB0vSg
抽出コード: i102

ESP プラグインの圧縮パッケージには、
(1) ZedGraph.dll
(2) ESP_estimation_scale_parameter.dcp
(3) ESP_Estimation_Scale_Parameter_Chart.exeが含ま
ここに画像の説明を挿入します
れています。ZedGraph.dll 拡張ファイルを、eCognition Developer 64 インストールディレクトリの bin\plugins フォルダに配置します。

step1. eCognition ソフトウェアを開き、ワークスペースを作成し、画像をインポートします。

step2. ツールをロードして実行します。

ここに画像の説明を挿入します
ツールバーの[プロセス]-[ルールセットの読み込み]にあるルールセット/カスタムアルゴリズム
「ESP2_Estimation_Scale_Parameter_2.dcp」(解凍したフォルダー内のESPがコンピューター上に保存されているパス)を読み込みます。ESP2は2014年の最新バージョンであり、
ここに画像の説明を挿入します

ESPは 2010 バージョンです。両者のパラメータは若干異なります。

step3. 必要に応じてパラメータを設定します. 上の図はデフォルトのパラメータを示しています。

パラメータの説明

Selectmap : (ESP2 を適用するマップを選択します。デフォルトでは、ESP2 はメインマップ上で分割されます)
階層を使用する: 階層を使用します (0 = 各スケールパラメーターはピクセルレベルに基づいて個別に生成されます。1 = 各スケールレベルはトップダウンまたはボトムアップのアプローチで階層内に生成されます)
階層: TopDown=0 または BottomUp=1 ? : BottomUp は最小レベルから開始し、オブジェクトをマージしてより高いレベルを取得します。TopDown はより厚いレベルから開始し、オブジェクトを分割してより小さなレベルを取得します。デフォルトでは 1 に等しくなります。
**開始スケール_レベル**: 3 つのレベルの処理を開始するための最小スケールパラメータ
。デフォルトでは、すべての開始スケール = 1
Step size_Level 1 : 段階的セグメンテーション処理の割合パラメータの増分。デフォルトは 1、10、100…です。
「Shape」と「Compactness」 : マルチスケールセグメンテーションで実装された均一性基準の構成; デフォルト値はそれぞれ 0.1 と 0.5
LV グラフの生成: 0=LV.txt ファイルを生成しない; 1=LV 値を含む txt ファイルを生成し、ファイルは ESP_Estimation_Scale_Parameter_Chart を使用してグラフィカルに仮想化されます。
ループ数: LV ダイアグラムを生成する場合に設定する必要があるループの数と、生成されるスケールレベルの数。

パラメータを設定したら、「実行」をクリックして実行します。画像が大きい場合は、実行に時間がかかります。

step.4 実行後の結果を確認する

実行が完了したら、マップを切り替え、[アクティブマップの選択] で Hierarchy_B-Up を選択し、結果を表示します。異なるレベル間の切り替えに加えて、実験データは 3 つの階層に分かれています。下の図はレベル 3 ～レベル 1 を示しています。

ここに画像の説明を挿入します
レベル1 レベル2
レベル3
最後に[エクスポート]で結果をエクスポートすることができ、
結果をシェープファイルなどの形式でエクスポートすることができます。

step5. 最適なセグメンテーションパラメータを確認する

ROC-LV 折れ線グラフを取得するには、上記の[LV グラフの生成]パラメーターを 1 に設定します。
このツールは、ローカル分散 (LV) と変化率 (ROC = 金利スケールレベルと以前のレベル間の変化率) をスケールレベルに対してプロットします。プロットは、局所分散の ROC が突然低下し、その後レベルが低下していることを示しています。ただし、ROC が最初のスケールレベルで非常に高い場合、局所分散の変化は見えません。

このtxtファイルをチャートツールに入力し、変化率の値を計算すると以下のような結果が得られ、ピークの存在がはっきりと確認できます。ピークを見つけた後、ピークに対応するセグメンテーションスケールを直接使用してマルチスケールセグメンテーション実験を実行し、地表オブジェクトの種類ごとに対応する最適なスケールを見つけることができるため、実験のためにスケールを移動する煩わしさがなくなります。
ここに画像の説明を挿入します
シーン内のオブジェクトの均一性が高まるにつれて、スケールパラメーターとともに局所的な分散も増加します。曲線上の連続するレベルの前の LV の最高値は、対象物が均一な変化という観点から意味のある組織レベルに到達するスケールを示します。