2  研究方法和数据

2.1  研究数据

本文选取云量为0，行编号37,条带号120 江苏省淮安市的Landsat-5 TM遥感影像图为研究数据源。并截取洪泽湖区域作为研究对象。影像数据从地理空间数据云（http://www.gscloud.cn/）上下载获得。

洪泽湖是中国第四大淡水湖，地处江苏省的西部地区，在北纬33°06′东经118°10′和北纬33°40′东经118°52′之间。洪泽湖是近几年的大工程“南水北调”中的重要环节，是东线部分的过水通道。在洪泽湖的水位为通常标准水位时，它的面积是2069平方千米。而汛期来临时，面积则变为3,500平方公里。

2.2  研究方法

eCognition是第一个提出基于目标信息提取遥感信息的商用软件。它突破了只利用光谱特征的局限性，通过利用模糊分类技术，提出面向对象这一具有里程碑式的分类技术。

传统方法只注重局部因此会忽略其周边的情况，从而制约了结果的精度。而面向对象的分类方法充分考虑到了各类因素对提取精度的影响，做到了充分利用各类对象信息，且有别于传统的基于像素的信息提取，面向对象是基于对象进行图像分析和处理的方法[3]。针对高空间分辨率的遥感影像的面向对象的分类方法在eCognition出现后得到了极大的推动。确切的说即是，面向地理对象的影像分析技术得到了普及和应用。

基于像元是影像分析的主要方法之一。基于像元的影像分析方法所能够获取到的信息比较有限，因为它只考虑光谱信息，而仅仅只靠光谱特征来表达目标地物会在较大程度上影响到提取的精度。虽然传统方法在经过进一步的研究和改善后增加了一些空间信息和语义信息，在某些程度上提高了精度，但其本质仍为改变，还是基于像元的，不能在真正意义上解决其局限性。面向对象方法是影像分析方法的另一主要分析方法。面向对象分析方法以“影像对象”为基本单元，从较高层次对影像进行分类，并且也将影像的拓扑、光谱、纹理、形状、大小、以及上下文等因素考虑在其中，从而补足了传统的基于像元层次分类方法上原有的语义信息的不足，提高了分类的精确性，获取的信息精度更高[4]。

3  水体信息提取源:自;优尔'-论.文,网·www.youerw.com/

eCognition支持的图像格式有：.bmp格式；.asc格式；.img格式；.ecw格式； .gif格式；Arc/Info Binary Grid；.jpg格式；.tif格式；.pix格式。

在进行水体信息提取之前，首先要进行图像增强处理，本例中采用直方图均衡化这一增强方法。通过运用直方图均衡化对图像进行非线性拉伸，增强图像的局部对比度。之后再将除热红外波段以外的其他六个波段进行标准假彩色合成。

3.1  图像分割

如何准确、有效的提取图像上的几何和结构信息是面向对象方法的关键所在。什么是图像分割？就是把一幅完整的图像分成中间不存在任何联系的、具有相同属性的小对象。图像分割包括：区域生长和边缘检测。在多数情况下，我们无法用较为一致的均值标准来提取我们所需的对象，而eCognition所提供的图像分割技术，不仅解决了这一问题，甚至它还可以合并非均质的地区，修正影像对象的形状。

在eCognition中，有三种具体的分割算法：

（1）棋盘分割（Chessboard Segmentation）：将一幅影像或一个父级对象分割成许多正方形小对象, 是一种简单的分割算法。

（2）四叉树分割（Quad tree-Based Segmentation）：四叉树分割将一幅影像或者一个父级对象以四叉树的形式分割成许多正方形的小对象。