【硬核】ecognition面向对象水体自动提取

          上篇中讲到了使用ENVI软件并采用NDWI方法提取水体的全过程。但该方法是基于像素级别的提取，一般来说地类提取的边界效果不够整齐。而采用面向对象的方法进行提取地类时，其边界效果要优于基于像素的提取，因此，这里采用易康软件进行面向对象的方法进行水体的自动化提取。

        使用软件：eCognition9.0

        采用数据：30米分辨率的Landsat TM，仍为上篇中提取水体的数据。

        在易康中是通过定义规则集的形式进行确定地类的提取逻辑和方法。在本次水体的提取过程采用的主要参数仍然是NDWI。整个规则集的逻辑结构较为简单，总体分为四个部分：1.去除影像背景区；2.基础分割；3.地类提取；4.结果导出。

        一、去除影像背景区

        在规则集的构建中一般经常会将去除背景区作为第一步，主要是为了构建出影像范围内外两个对象部分。这里，采用的多阈值分割法，通过对第1波段进行设置大于0或者小于0两个部分，将影像分为范围内和范围外两个部分。

        图中红色框选部分即为应该修改的位置，其中image Layer部分可以随意选择任意波段，阈值部分的Class1即为影像范围外的类别名称，Threshold1为设置的第1个阈值，这里可以设置为小于等于0的任意数，Class2则为影像范围内，这里我选择的是默认的unclassified。其具体的运行结果如下图，灰色部分即为影像范围外。

     二、基础分割

        基础分割部分主要是采用多尺度分割的方式，将整景影像通过设置相关参数，将影像进行分割成不同大小的小块对象。该分割方式可以将多个波段进行参与分割，并对各波段分别进行设置其在分割中所占权重。而在Scale parameter为分割尺度，这里一般为经验值，对于常规水体的分割一般100-150左右是比较合适的。在下面的形状因子和紧致度因子的设置也极为重要，对于常规水体一般保持默认即可。但对于房屋，桥梁或者形状以及平滑度差异较大的地类，就需要对其进行重新设定。该参数设置为0-1之间，设置的越大，表示其参与的权重越大。

        多尺度分割速度相较于其他的分割方法速度较慢，因此如果想要提高规则集运行效率的时候一般会减少该分割方法的使用。多尺度分割结果如下图，可以看出总体分割结果较为理想，水体边界的同周围地类已经被区分。

    三、地类提取

        地类提取模块是该规则集的核心部分，主要分为（1）水体的粗提取；（2）二次分割后水体修订（3）水体边界规整；

    （1）水体粗提取

        水体的粗提取主要是使用的NDWI的值作为水体提取的关键参数，通过在Threshlod condition中定义相关参数信息进而筛选出水体。

        对于定义参数部分，对于简单地类可以仅仅选中多尺度分割后的小对象，在image object information框中查看信息，从而确定具体的阈值范围。对于复杂的地类，可以采用选择样本的方式，通过在软件空白区域右击，在弹出的对话框中Toobars中选择sample调出样本选择工具。

        水体粗提取结果如下图所示，其中深蓝色部分为水体粗提取结果。

        （2）二次分割后，水体修订。由于水体粗提取中存在一定的湿地的误提，这里进行图层的复制，将New Level图层的下层再次复制出Level1图层，并在Level1图层中进行二次分割，这里分割的尺度再次缩小，保证水体能够更细致的分割。

        之后，再次使用水体指数法进行水体的二次区分，将粗提取的水体中NDWI小于0的部分剔除。水体修订后，结果如下图，主要是将少量误提的水体剔除。

        （3）边界规整

        边界规整中主要是对部分小图斑进行二次归类。这里设置的500pixel为界限，设定小于500pix的水体被剔除，被水体包围的小于500pix的地类归类为水体。并在最后，通过水体种子先增长再缩减的方式进行水体边界的平滑。

        通过边界规整后水体最终结果如下图所示：

        四、结果导出

        在该规则集中的导出与常规导出不同，是通过设定变量的形式进行。首先定义两个变量，一个为存储影像名称的变量；一个为存储导出位置的变量。通过update Variable进行变量的更新，最终导出的结果形式为影像名称_水体的形式。

        最终的水体自动提取结果的输出如下图所示：