前言
理论篇
第1章 引言
1.1 基于对象影像分析
1.2 高分辨率影像分析需求
1.3 空间地理信息快速更新需求
1.4 常用基于对象影像分析软件
第2章 遥感影像分析
2.1 遥感影像分析层次
2.2 遥感影像分析本质
2.3 遥感影像分析框架
第3章 eCognition基于对象影像分析
3.1 模拟人类认知过程
3.2 多源数据融合
3.3 知识表达体系
3.4 算法概述
3.5 影像分割
3.6 特征概述
3.7 对象分类
3.8 对象修整
3.9 矢量处理
3.10 精度评价
基础篇
第4章 规则集开发界面
4.1 界面视图
4.2 常用工具栏
4.3 常用视图
第5章 影像分割
5.1 创建工程
5.2 创建分割进程
5.3 保存规则集和工程
第6章 阈值分类
6.1 创建工程
6.2 影像分割
6.3 区分水体和非水体
6.4 区分植被和非植被
6.5 合并同类对象
6.6 去除小图斑
6.7 平滑
第7章 隶属度分类
7.1 创建工程
7.2 影像分割
7.3 区分水体和非水体
7.4 区分植被和非植被
7.5 阈值分类和隶属度分类比较
第8章 最邻近分类
8.1 创建工程
8.2 影像分割
8.3 样本选择
8.4 最邻近分类
第9章 机器学习分类器
9.1 创建工程
9.2 影像分割
9.3 查看样本文件
9.4 矢量转化为样本
9.5 使用CART分类器分类
第10章 精度评价
10.1 创建工程
10.2 结合矢量分割
10.3 验证点转化为样本
10.4 精度评价与结果导出
高级篇
第11章 简单建筑物提取
11.1 规则集开发过程
11.2 项目分析
11.3 创建工程
11.4 评估数据内容
11.5 创建影像对象
11.6 分类具有高度的对象
11.7 基于DSM的细化
11.8 基于光谱信息的细化
11.9 基于上下文的细化
11.10 基于形状的细化
第12章 复杂建筑物提取
12.1 项目分析
12.2 创建工程
12.3 滤波技术挖掘DSM数据的深层信息
12.4 创建影像对象
12.5 分类陡坡
12.6 分类地面
12.7 分类建筑
12.8 精细化建筑分类
12.9 清理陡坡对象
12.10 清理建筑对象
12.11 准备导出
12.12 导出矢量文件
第13章 城市地表不透水区制图
13.1 项目分析
13.2 创建工程
13.3 结合地块矢量的分割
13.4 地块分类
13.5 不透水区分类
13.6 地块不透水区占比分析
13.7 统计数据导出
13.8 矢量数据导出
13.9 提高效率和改善质量
第14章 种子增长法提取水体边界
14.1 水体的种子对象分类
14.2 为种子对象创建候选对象缓冲区
14.3 使用MeanDifferenceto特征增长水体
14.4 整理分类结果和消除尺寸过小的对象
14.5 使用变量改善规则集的可移植性
14.6 自动化处理
第15章 基于卷积神经网络的十字符号提取
15.1 卷积神经网络
15.2 从分类热度图到精度评价
第16章 变化检测
16.1 创建工程
16.2 复制地图
16.3 分别分类
16.4 同步地图
16.5 变化检测
第17章 对象形状修整
17.1 区域增长
17.2 基于像素的对象修整：边界平滑和规整化
17.3 基于像素的对象修整：光谱特征规整化
17.4 影像对象融合
参考文献
附录1 获取更多帮助和信息
附录2 基本概念和术语

关元秀、王学恭、郭涛、郝容、屈鸿钧等编著的《eCognition基于对象影像分析教程/地球信息科学基础丛书》在eCognition初、高级培训教材的基础上，集成作者多年基于对象影像分析研究和实践经验编著而成。系统介绍了基于对象影像分析原理和影像分析方法，除了传统的基于规则的信息提取方法外，着重介绍了近年来比较流行的机器学习分类方法。
教程分为理论篇、基础篇和高级篇3篇，共17章。理论篇分3章，主要介绍基于对象影像分析技术产生的背景、发展历程、常用软件、核心技术及原理；基础篇分7章，内容包括规则集开发术语和界面操作，常用的分割、分类方法、精度评价等基本的基于对象影像分析内容；高级篇分7章，主要介绍基于对象规则集开发PDCA循环，以建筑物、不透水区、水体提取、基于卷积神经网络的十字符号提取和变化检测为例，详细介绍了影像分析过程，涵盖规则集改善技术、对象形状修整技术、自动化批处理、卷积神经网络等高级规则集开发技术。
本教程力求理论与实践相结合，融基于对象影像分析的理论、规则集开发实践与软件功能操作于一体，可以作为初、高级eCognition软件用户学习教程，也可供对高分辨率影像分析感兴趣的生产技术人员和科研工作者参考。