相關商品
商品簡介
目次
商品簡介
《eCognition基於物件影像分析教程》在eCognition初、高級培訓教材的基礎上，集成作者多年基於物件影像分析研究和實踐經驗編著而成。系統介紹了基於物件影像分析原理和影像分析方法，除了傳統的基於規則的信息提取方法外，著重介紹了近年來比較流行的機器學習分類方法。
教程分為理論篇、基礎篇和高級篇3篇，共17章。理論篇分3章，主要介紹基於物件影像分析技術產生的背景、發展歷程、常用軟件、核心技術及原理；基礎篇分7章，內容包括規則集開發術語和界面操作，常用的分割、分類方法、精度評價等基本的基於物件影像分析內容；高級篇分7章，主要介紹基於物件規則集開發PDCA循環，以建築物、不透水區、水體提取、基於卷積神經網絡的十字符號提取和變化檢測為例，詳細介紹了影像分析過程，涵蓋規則集改善技術、物件形狀修整技術、自動化批處理、卷積神經網絡等高級規則集開發技術。
教程分為理論篇、基礎篇和高級篇3篇，共17章。理論篇分3章，主要介紹基於物件影像分析技術產生的背景、發展歷程、常用軟件、核心技術及原理；基礎篇分7章，內容包括規則集開發術語和界面操作，常用的分割、分類方法、精度評價等基本的基於物件影像分析內容；高級篇分7章，主要介紹基於物件規則集開發PDCA循環，以建築物、不透水區、水體提取、基於卷積神經網絡的十字符號提取和變化檢測為例，詳細介紹了影像分析過程，涵蓋規則集改善技術、物件形狀修整技術、自動化批處理、卷積神經網絡等高級規則集開發技術。
目次
目錄
前言
理論篇
第1章 引言 3
1.1 基於物件影像分析 3
1.2 高分辨率影像分析需求 4
1.3 空間地理信息快速更新需求 5
1.4 常用基於物件影像分析軟件 6
第2章 遙感影像分析 15
2.1 遙感影像分析層次 15
2.2 遙感影像分析本質 16
2.3 遙感影像分析框架 18
第3章 eCognition 基於物件影像分析 25
3.1 模擬人類認知過程 25
3.2 多源數據融合 27
3.3 知識表達體系 28
3.4 算法概述 33
3.5 影像分割 38
3.6 特徵概述 44
3.7 物件分類 50
3.8 物件修整 64
3.9 矢量處理 65
3.10 精度評價 67
基礎篇
第4章 規則集開發界面 73
4.1 界面視圖 73
4.2 常用工具欄 74
4.3 常用視圖 75
第5章 影像分割 77
5.1 創建工程 77
5.2 創建分割進程 79
5.3 保存規則集和工程 92
第6章 閾值分類 93
6.1 創建工程 93
6.2 影像分割 95
6.3 區分水體和非水體 95
6.4 區分植被和非植被 100
6.5 合並同類物件 103
6.6 去除小圖斑 104
6.7 平滑 105
第7章 隸屬度分類 109
7.1 創建工程 109
7.2 影像分割 110
7.3 區分水體和非水體 110
7.4 區分植被和非植被 113
7.5 閾值分類和隸屬度分類比較 117
第8章 最鄰近分類 119
8.1 創建工程 119
8.2 影像分割 120
8.3 樣本選擇 120
8.4 最鄰近分類 124
第9章 機器學習分類器 127
9.1 創建工程 127
9.2 影像分割 128
9.3 查看樣本文件 129
9.4 矢量轉化為樣本 129
9.5 使用CART 分類器分類 131
第10章 精度評價 135
10.1 創建工程 135
10.2 結合矢量分割 136
10.3 驗證點轉化為樣本 137
10.4 精度評價與結果導出 140
高級篇
第11章 簡單建築物提取 145
11.1 規則集開發過程 145
11.2 項目分析 148
11.3 創建工程 149
11.4 評估數據內容 149
11.5 創建影像物件 150
11.6 分類具有高度的物件 151
11.7 基於DSM 的細化 153
11.8 基於光譜信息的細化 155
11.9 基於上下文的細化 156
11.10 基於形狀的細化 158
第12章 複雜建築物提取 160
12.1 項目分析 160
12.2 創建工程 161
12.3 濾波技術挖掘DSM 數據的深層信息 161
12.4 創建影像物件 164
12.5 分類陡坡 166
12.6 分類地面 167
12.7 分類建築 170
12.8 精細化建築分類 172
12.9 清理陡坡物件 173
12.10 清理建築物件 182
12.11 準備導出 185
12.12 導出矢量文件 187
第13章 城市地表不透水區制圖 189
13.1 項目分析 189
13.2 創建工程 190
13.3 結合地塊矢量的分割 190
13.4 地塊分類 191
13.5 不透水區分類 192
13.6 地塊不透水區占比分析 196
13.7 統計數據導出 197
13.8 矢量數據導出 200
13.9 提高效率和改善質量 201
第14章 種子增長法提取水體邊界 206
14.1 水體的種子物件分類 207
14.2 為種子物件創建候選物件緩衝區 209
14.3 使用Mean Difference to 特徵增長水體 212
14.4 整理分類結果和消除尺寸過小的物件 215
14.5 使用變量改善規則集的可移植性 216
14.6 自動化處理 219
第15章 基於卷積神經網絡的十字符號提取 223
15.1 卷積神經網絡 223
15.2 從分類熱度圖到精度評價 229
第16章 變化檢測 233
16.1 創建工程 234
16.2 復制地圖 234
16.3 分別分類 236
16.4 同步地圖 241
16.5 變化檢測 245
第17章 物件形狀修整 248
17.1 區域增長 248
17.2 基於像素的物件修整：邊界平滑和規整化 250
17.3 基於像素的物件修整：光譜特徵規整化 255
17.4 影像物件融合 257
參考文獻 260
附錄1 獲取更多幫助和信息 262
附錄2 基本概念和術語 263
前言
理論篇
第1章 引言 3
1.1 基於物件影像分析 3
1.2 高分辨率影像分析需求 4
1.3 空間地理信息快速更新需求 5
1.4 常用基於物件影像分析軟件 6
第2章 遙感影像分析 15
2.1 遙感影像分析層次 15
2.2 遙感影像分析本質 16
2.3 遙感影像分析框架 18
第3章 eCognition 基於物件影像分析 25
3.1 模擬人類認知過程 25
3.2 多源數據融合 27
3.3 知識表達體系 28
3.4 算法概述 33
3.5 影像分割 38
3.6 特徵概述 44
3.7 物件分類 50
3.8 物件修整 64
3.9 矢量處理 65
3.10 精度評價 67
基礎篇
第4章 規則集開發界面 73
4.1 界面視圖 73
4.2 常用工具欄 74
4.3 常用視圖 75
第5章 影像分割 77
5.1 創建工程 77
5.2 創建分割進程 79
5.3 保存規則集和工程 92
第6章 閾值分類 93
6.1 創建工程 93
6.2 影像分割 95
6.3 區分水體和非水體 95
6.4 區分植被和非植被 100
6.5 合並同類物件 103
6.6 去除小圖斑 104
6.7 平滑 105
第7章 隸屬度分類 109
7.1 創建工程 109
7.2 影像分割 110
7.3 區分水體和非水體 110
7.4 區分植被和非植被 113
7.5 閾值分類和隸屬度分類比較 117
第8章 最鄰近分類 119
8.1 創建工程 119
8.2 影像分割 120
8.3 樣本選擇 120
8.4 最鄰近分類 124
第9章 機器學習分類器 127
9.1 創建工程 127
9.2 影像分割 128
9.3 查看樣本文件 129
9.4 矢量轉化為樣本 129
9.5 使用CART 分類器分類 131
第10章 精度評價 135
10.1 創建工程 135
10.2 結合矢量分割 136
10.3 驗證點轉化為樣本 137
10.4 精度評價與結果導出 140
高級篇
第11章 簡單建築物提取 145
11.1 規則集開發過程 145
11.2 項目分析 148
11.3 創建工程 149
11.4 評估數據內容 149
11.5 創建影像物件 150
11.6 分類具有高度的物件 151
11.7 基於DSM 的細化 153
11.8 基於光譜信息的細化 155
11.9 基於上下文的細化 156
11.10 基於形狀的細化 158
第12章 複雜建築物提取 160
12.1 項目分析 160
12.2 創建工程 161
12.3 濾波技術挖掘DSM 數據的深層信息 161
12.4 創建影像物件 164
12.5 分類陡坡 166
12.6 分類地面 167
12.7 分類建築 170
12.8 精細化建築分類 172
12.9 清理陡坡物件 173
12.10 清理建築物件 182
12.11 準備導出 185
12.12 導出矢量文件 187
第13章 城市地表不透水區制圖 189
13.1 項目分析 189
13.2 創建工程 190
13.3 結合地塊矢量的分割 190
13.4 地塊分類 191
13.5 不透水區分類 192
13.6 地塊不透水區占比分析 196
13.7 統計數據導出 197
13.8 矢量數據導出 200
13.9 提高效率和改善質量 201
第14章 種子增長法提取水體邊界 206
14.1 水體的種子物件分類 207
14.2 為種子物件創建候選物件緩衝區 209
14.3 使用Mean Difference to 特徵增長水體 212
14.4 整理分類結果和消除尺寸過小的物件 215
14.5 使用變量改善規則集的可移植性 216
14.6 自動化處理 219
第15章 基於卷積神經網絡的十字符號提取 223
15.1 卷積神經網絡 223
15.2 從分類熱度圖到精度評價 229
第16章 變化檢測 233
16.1 創建工程 234
16.2 復制地圖 234
16.3 分別分類 236
16.4 同步地圖 241
16.5 變化檢測 245
第17章 物件形狀修整 248
17.1 區域增長 248
17.2 基於像素的物件修整：邊界平滑和規整化 250
17.3 基於像素的物件修整：光譜特徵規整化 255
17.4 影像物件融合 257
參考文獻 260
附錄1 獲取更多幫助和信息 262
附錄2 基本概念和術語 263
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。