随着空间技术、计算机技术和信息技术的高速发展，遥感数据获取能力不断提升，空间分辨率不断提高，数据量空前增长。在数据和应用需求双重驱动下，基于对象影像分析技术快速发展。2000 年左右与亚米级商业卫星数据几乎同时出现的基于对象影像分析技术，经过近20 年的发展已趋于成熟。
基于对象影像分析软件eCognition从最初的单机版交互式影像分析，于2004 年进化到基于规则集开发模式的专业化影像分析，2008年后则跨越为自动化海量影像并行处理系统，并集成了近年来业界流行的机器学习算法。最新的版本9.3 进一步融入了卷积神经 络深度学习算法和超像素分割算法。
▲eCognition 产品
eCognition 软件概念体系复杂，算法、特征参数丰富多样，而可参考的中文资料较少。近年来出版的一些参考书籍，重理论轻实践，偏学术研究性，离影像分析的生产实践距离较远。国内eCognition 软件用户和潜在用户有成千上万，但市面上没有一本有针对性的学习教程，用户只能参加短期的软件学习培训班，依靠软件自带的参考资料自己琢磨，费时费力，往往效果不佳，学习新技术的热情在不得法的学习过程中消磨殆尽。
针对用户在软件学习过程中碰到的常见问题，《eCognition 基于对象影像分析教程》（关元秀等编著. 北京：科学出版 , 2019.3）一书从认识论的角度系统介绍了基于对象影像分析理论和软件操作实践。
基于对象影像分析不是对基于像素影像分析方法的全面摒弃，而是在基于像素影像分析基础上的发展进化。如果把基于像素影像分析比作显微镜视角下的孤立静态分析，那么基于对象的多尺度影像分析则是从显微镜视角、人眼视角到望远镜视角，从微观到宏观对影像对象进行动态立体分析，从而建立影像对象与地理单元之间的多重映射关系。
eCognition 基于对象影像分析方法模拟人类认知。一方面通过化繁为简，降低分析难度，提高处理速度，如通过分割将像素组合成影像对象或超像素的方法、分区分类法等；另一方面则综合集成各种数据、知识、尺度和算法等解决复杂的分析问题，如eCognition 特有的多源数据融合技术、影像对象层次 络技术、多种特征、算法、分割、分类技术以及分割、分类循环迭代分类方法等综合集成运用等。从分类方法看，不仅包含了传统的基于规则的阈值分类和模糊隶属度函数分类，而且集成了业界流行的机器学习和深度学习算法。
不论是基于规则的信息提取方法还是机器学习分类方法，都采用了知识的归纳和演绎两个推理过程，不同之处在于基于规则的分类从遥感和地学理论或原理出发，通过演绎来研究问题，而机器学习则从数据本身出发通过归纳来总结规律。基于知识的分层掩膜分类策略，符合人脑认识事物的过程，一般采用由简单到复杂，一分为二的二叉树分类，掩膜技术则类似人脑过滤过程，掩膜掉不感兴趣的对象，逐渐聚焦到感兴趣的对象。
工欲善其事必先利其器，学习规则集开发，不仅需要具备遥感和地学基础知识，而且要具备软件操作的基本技能。本教程遵循由易到难、循序渐进的原则安排学习内容。
首先用3~5 天时间阅读理论篇，共3 章。
第1 章，介绍基于对象影像分析技术产生的背景条件、发展历史和市面流行的基于对象影像分析软件。
第2 章，从遥感影像分析层次、影像分析本质以及影响影像分析的几个要素着手，介绍了基于对象影像分析框架。
第3 章，详细介绍了eCognition 基于对象影像分析，重点介绍影像分析的原理，核心影像分析技术如多源数据融合技术、知识表达体系；其次对影像分割、分类算法及常用特征及特征选择作了详细介绍；最后对影像对象形状修整技术、矢量处理技术和精度评价方法作了介绍。
随后每天拿出3~5 小时练习基础篇的一个专题，基础篇共7 章，这部分的练习需要7~10 天时间。
第4 章，简单介绍规则集开发界面，包括常用视图和工具栏。
第5 章，用样例数据做简单的分割处理操作，从而熟悉不同分割方法的参数设置和应用特点。
第6 章和第7 章，用样例数据做简单的阈值条件分类和隶属度函数分类，并比较这两种基于规则分类方法的异同。
第9 章，介绍常见的机器学习分类器的使用方法，学习将矢量文件转化为样本，用决策树分类器进行分类。
第10 章，学习常用精度评价方法及操作步骤。
在分割和分类的过程中若遇到理论上不清楚的问题，随时返回理论篇查阅相关内容。通过基础篇的操作练习，对软件界面、基本功能和规则集开发基本概念掌握的基础上，可以深入高级篇的学习。
高级篇共7 章，侧重规则集开发方法和一些高级分割、分类技术的学习，以及规则集改善技术、基于多地图操作的变化检测技术、自动化影像处理技术和卷积神经 络深度学习技术等。高级篇部分的学习也需要6~10 天时间。
第11 章，以简单建筑物提取为例，详细介绍规则集开发的PDCA 循环过程，学习使用简单特征逐步细化分类。
第12 章，介绍基于LiDAR 数据的建筑物提取过程，初步学习用变量改善规则集的通用性，学习使用掩膜技术逐步聚焦到目标类别，学习使用各种特征细化分类。
第13 章，介绍简单的影像对象层次结构在基于地块的城市地表不透水区信息提取和地块占比分析中的应用，接着学习使用景变量和对象变量，以便导出统计数据，最后学习使用进程分析工具，改善规则集运行效率。
第14 章，介绍种子增长算法在提取精细化的水陆边界中的应用。学习使用变量改善规则集的通用性，并将规则集扩展应用于类似影像，调用Server 做影像自动化批量处理。
第15 章，介绍基于卷积神经 络的地形图十字符 提取案例，重点介绍卷积神经 络的创建、训练、应用以及基于热度图的分类精度评价，并将卷积神经 络与模板匹配信息提取精度做了对比分析，认为卷积神经 络是一种分类精度较高且有前途的影像分析方法。
第16 章，对两期影像进行分地图分别分割、分类，最后将两期分类结果应用同步地图技术进行变化检测。
第17 章，学习使用区域增长算法、基于像素的对象修整算法、影像对象融合算法等影像对象修整技术，对影像对象形状进行后期优化处理，以便满足矢量输出条件。
本教程中所有案例涉及的操作步骤都可以在eCognition Developer 或试用版软件平台下完成，试用版软件可以在http://www.ecognition.com/products/trial-software 下载，目前的最新版本为eCognition Developer 9.3。本教程基础篇和高级篇都配有典型的实例和练习，并辅以相应数据、规则集和工程文件（在线服务 址：http://www.sciencereading.cn/进入ScienceReading 首页，选择“ 上书店”，输入图书名称检索，进入图书详情页可看到“资源下载”），以便读者练习使用。
通过本教程的学习，仅仅达到规则集开发的入门级别。要想成为影像分析领域高手，还需要长期的规则集开发实践历练。在掌握影像分析和规则集开发的基础理论，具备影像分析悟性的基础上，熟练掌握常用特征和算法并灵活运用是必经之途，就像学习一门语言必须掌握一定量的词汇和句型一样，在此基础上才能谈文章的立意和谋篇布局。
本教程是在eCognition 初、高级培训教材的基础上，参阅了国内外大量的有关论著和优秀论文完成的。本教程所用案例及数据由美国天宝导航有限公司（Trimble）提供。
获取更多帮助和信息
eCognition 区 址：http：//community.ecognition.com/。
eCognition 区为用户、合作伙伴、科研和开发人员提供了可以交流、分享知识和信息的平台，这样大家可以互相借鉴对方的经验。
erwer
（地球信息科学基础丛书）
ISBN 978-7-03-060867-3
地球为你而转！
并设星标：赛杰奥（sci_geo）
科学出版 地球科学订阅
传播科学，欢迎分享“在看”▼
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！