遥感解译实验样本标注规范
为了进行遥感解译实验，现进行全地物类别产品实验，需要提供大量的样本数据，故对GF1-WFV（16米分辨率）影像进行样本的标注，用于深度学习技术的训练学习阶段。
一 实验所用软件
易康eCognition（注意易康只读取英文，路径以及文件名等请以英文命名）
二 训练样本标注
2.1 训练样本标注过程（采用面向对象的分类方法）
l 打开易康eCognition Developer 。
l 新建工程：菜单栏File ---New Project弹出如下图对话框，加载需要处理的影像
图1
如影像中有无效值（背景值），打开NO Data，勾选Use single value for all layers(union)，令背景值为0，不参与之后的分割和监督分类。
图2
l 按照面向对象分类的基本流程，首先要进行影像分割，在菜单栏Process中打开Process Tree窗口，在窗口内击右键后选择Append New，
图3
弹出Edit Process对话框，参数设置如下图：1设置分割方法，采用多尺度分割法；2设置分割图层名称，3设置分割尺度（数字越大分割尺度越大，数字越小分割尺度越小；建议分割尺度为20）；设置完毕之后点击Execute执行。
图4
l 在菜单栏中的Classification打开Class Hierarchy 窗口，在窗口内击右键选择Load Class Hierarchy，导入分类体系。
图5
l 选择分类样本，点击菜单Classification àSamples àSelect Samples，点击后Select Samples会呈现选中状态，然后选择哪个类别的样本，就需要保证Class Hierarchy中选中对应的类别。在main影像视图里，双击分割后的图斑对象，就可以选中其作为样本，再次双击，就可以取消其作为样本。
图6
l 监督分类：现在需要先用选择的样本做训练，在Process Tree中打开分割时产生的节点，双击或右键选择Edit打开Edit Process界面，参数设置如下（图7）：1 Algorithm选择classifier分类器；2 Domain选择image object level；3设置一个名字英文格式，点击其他地方会弹出如图8对话框，OK确定就可以了；4 Use sample only 改为Yes； 5 Features设置特征，这里我们就选用四个波段就可以了（如图9）；6 Type选择一个分类方法，这里我们采用SVM向量机的分类方法；设置好后点击Execute执行就可以了。训练过程很快执行后无需等待。
图7
图8
图9
训练后进行分类，再次打开Edit Process界面，将Operation中的Train改为Apply，点击Execute执行就可以了。
l 分类后处理：在菜单栏处右击调出Manual Editing的工具栏（如图10）；
图10
图11
工具栏如图11,其中1234都是选择图斑的工具，5为切割图斑的工具，6为图斑合并的工具，7为选择图斑时的类别过滤器，8为图斑更改类别的工具（只能一个图斑一个更改，不可多选）。利用这些工具对分类结果进行修改。
选择图斑的工具：在图11中类别处选择当前编辑类别，在影像上选择需要改变类别的图斑后，击右键选择Classify selection，就将图斑的类别改为当前编辑类别了（例如图12）。
图
12
切割图斑的工具：点击工具后，先选中需切割图斑，再对其切割，双击左键结束切割编辑。（如图13）
图13
类别过滤器：如图14，只勾选了水体，在图斑选择时，只能选中水体这一类别的图斑。
图14
图斑合并的工具：第一个是选择要合并的图斑对象，第二个是将选择的图斑合并，第三个是清除选择的图斑。
图斑更改类别的工具：选择工具后，单击图斑，就将其类别改为当前编辑类别了。
l 结果导出：菜单栏ExportàExport Results，参数设置如图15.16：Export Type选择Raster file；Content Type选择Classification；Format选择Tagged Image Files（Geoocoded）(*tif)；在Export File Name处设置一个输出时保存的文件名；Classes选择整个分类体系的类别；设置好后Export选择这一个输出文件夹路径导出即可。
图15
图16
2.2 训练样本标注标准
总体原则：保证所勾画样本的正确性，同时尽量保证样本全，误差控制在10%以内，对于太细节的东西可以不用修改。