二元分类

二元分类利用遥感图像中各类地物光谱信息和空间信息,通过深度学习算法对遥感图像中的某一类地物要素进行分类,并判定影像的像元是否为兴趣类别,并生成值为 0、1 的二值栅格数据,0 为非兴趣类别,1 为兴趣类别。

二元分类功能在像元级别细粒度解译影像,栅格结果灵活性较高,可以通过后一系列后处理步骤优化分类结果,可将结果的栅格数据转化成矢量数据,进行进一步的分析。

二元分类通常用来获得道路、河流和建筑物等特点明显的单一地类,可以通过像元计算兴趣类别的位置、边界和面积等信息。

主要参数

  1. 功能入口工具箱 -> 机器学习 -> 影像分析 -> 二元分类 工具。
  2. 数据源/数据集:选择需要进行分类的影像或栅格数据。
  3. 模型文件:选择二元分类的模型文件(*.sdm)。
  4. 切片重叠(像元):在二元分类过程中,由于卷积神经网络的结构特征,会导致切片边缘的数据预测不充分,为使了提高预测质量,需要将切片重叠。此参数以像元为单位,一般为兴趣类别平均大小的 2~3 倍。 。
  5. 结果数据:即二元分类的结果栅格数据集,设置结果数据集保存的数据源和保存名称。
  6. 运行:单击对话框中的 运行 按钮,即可执行二元分类操作,此时,Python 窗口会显示功能执行的进度信息。

下图为某地区的建筑物二元分类结果,可以通过栅格统计等功能计算建筑物面积;针对图中相对离散的建筑物,还可将提取结果自动矢量化成建筑矢量面,从而得到每栋建筑的位置和矢量边界等信息。

BinaryClassifyResult

相关内容

机器学习环境配置

生成训练数据

模型训练

目标检测

地物分类

场景分类

计算对象外接矩形