一、新建工程
使用eCognition新建工程ImageSegmentation，加载影像数据，并编辑图层名称，将Layer 1、Layer 2、Layer 3、Layer 4的 Layer Alias 分别改为 Blue、Green、Red、如图1-1，图1-2所示：
图 1-1
图 1-2
- 设置加载影像的波段组合，如图2-1所示：
图 2-1
二、设置空间子集范围
- 选择1000×1000范围的空间子集，点击“File”菜单栏，选择“选择 Modify Open Project”下拉菜单，点击“Subset Selection”选择空间子集范围，如图3-1所示：
图 3-1
三、多种算法的影像分割结果对比
1.棋盘分割
第一步：点击“Process”菜单栏，下拉选择“Process Tree”菜单栏，在弹出的窗口中创建进程目录，右键选择“Append New”，如图4-1-1所示：
图 4-1-1
第二步：在“棋盘分割算法”目录下，右键点击 “Insert Child”， 添加执行进程，命名为“Chessboard Segmentation 10 ResultLevel1”，如图4-1-2所示：
图 4-1-2
各个参数含义解释：
Algorithm：选择的算法名称，这里选择“chessboard segmentation”。
Domain：算法的作用域，由于对栅格影像直接进行分割，选择 pixel level。
算法参数：
Object Size：分割后每个小正方形的大小，此处设置为 10（pixel）×10（Pixel）。
Level Name：分割后得到的矢量层名称，这里设置为“ResultLevel1”。
棋盘分割后的结果如图4-1-3所示：
图 4-1-3
第三步：清除分割结果，点击“Image Objects”菜单栏，点击“Delete Level(s)”，选中“ResultLevel1”，点击”ok”删除棋盘分割结果。
2.四叉树分割
第一步：右键选择“Append New”，添加”四叉树分割算法”目录，如图4-2-1所示：
图 4-2-1
第二步：在“四叉树分割算法”目录下，右键点击 “Insert Child”， 添加执行进程，命名为“QuadtreeSegmentation 10 ResultLevel2”，如图4-2-2所示：
图 4-2-2
各个参数含义解释：
Algorithm：选择的算法名称，这里选择“quadtree based segmentation”。
Domain：算法的作用域，选择 pixel level。
算法参数：
Scale：分割比例，此处设置为 10。
Level Name：分割后得到的矢量层名称，这里设置为“ResultLevel2”。
Overwrite existing level：是否覆盖当前已经存在的结果，这里选择“No”。
Image Layer weights：图层权重，这里全设置为“Yes”
四叉树分割后的结果如图4-2-3和图4-3-4所示：
图 4-2-3
图 4-2-4
分割结果评价：
四叉树分割之后，有的正方形大一些，有的正方形小一些，大说明该区域的光谱特性更加均一，而小说明不太均一。
3.光谱差异分割
第一步：右键选择“Append New”，添加“光谱差异分割算法”目录，如图4-3-1所示：
图 4-3-1
第二步：在“光谱差异分割算法”目录下，右键点击 “Insert Child”， 添加执行进程，命名为“SpectralDifferenceSegmentation 50 ResultLevel3”，如图4-3-2所示：
图 4-3-2
各个参数含义解释：
Algorithm：选择的算法名称，这里选择“spectral difference segmentation”。
Domain：算法的作用域，选择 image object level。
算法参数：
Leve：选择运行算法的矢量层名称，这里选择四叉树分割算法得到的矢量层“ResultLevel2”。
Class filter：类滤波器，这里选择“none”。
Threshold condition：阈值条件，这里默认不设置。
Maxinum spectral difference：最大光谱差异，此处设置为 50。
Image Layer weights：图层权重，这里设置为“1，1，1，1”。
光谱差异分割后的结果如图4-3-3所示：
图 4-3-3
分割结果评价：
光谱差异分割相对于四叉树分割的结果是一个合并操作，将光谱差异值设定一个阈值，小于该阈值的两个相邻对象将在光谱差异分割中得到合并。进程执行完成后，植被覆盖区域与裸地区域合并了。
