1、面向?qū)ο蟮挠跋穹诸惣夹g(shù)“同物異譜，同譜異物”會(huì)對(duì)影像分類產(chǎn)生的影響，加上高分辨率影像的光譜信息不是很豐富，還有經(jīng)常伴有光譜相互影響的現(xiàn)象，這對(duì)基于像素的分類方法提出了一種挑戰(zhàn)，面向?qū)ο蟮挠跋穹诸惣夹g(shù)可以一定程度減少上述影響。本小節(jié)以ENVI中的面向?qū)ο蟮奶卣魈崛X模塊為例，對(duì)這種技術(shù)和處理流程做一個(gè)簡單的介紹。本專題包括以下內(nèi)容：面向?qū)ο蠓诸惣夹g(shù)概述ENVIFX®介ENVIFX操作說明1、面向?qū)ο蠓诸惣夹g(shù)概述面向?qū)ο蠓诸惣夹g(shù)集合臨近像元為對(duì)象用來識(shí)別感興趣的光譜要素，充分利用高分辨率的全色和多光譜數(shù)據(jù)的空間，紋理，和光譜信息來分割和分類的特點(diǎn)，以高精度的分類結(jié)果或者矢量輸出。它主要

2、分成兩部分過程：影像對(duì)象構(gòu)建和對(duì)象的分類。影像對(duì)象構(gòu)建主要用了影像分割技術(shù)，常用分割方法包括基于多尺度的、基于灰度的、紋理的、基于知識(shí)的及基于分水嶺的等分割算法。比較常用的就是多尺度分割算法，這種方法綜合遙感圖像的光譜特征和形狀特征，計(jì)算圖像中每個(gè)波段的光譜異質(zhì)性與形狀異質(zhì)性的綜合特征值，然后根據(jù)各個(gè)波段所占的權(quán)重，計(jì)算圖像所有波段的加權(quán)值，當(dāng)分割出對(duì)象或基元的光譜和形狀綜合加權(quán)值小于某個(gè)指定的閾值時(shí)，進(jìn)行重復(fù)迭代運(yùn)算，直到所有分割對(duì)象的綜合加權(quán)值大于指定閾值即完成圖像的多尺度分割操作。影像對(duì)象的分類，目前常用的方法是“監(jiān)督分類”和“基于知識(shí)分類”。這里的監(jiān)督分類和我們常說的監(jiān)督分類是有區(qū)別的

3、，它分類時(shí)和樣本的對(duì)比參數(shù)更多，不僅僅是光譜信息，還包括空間、紋理等信息。基于知識(shí)分類也是根據(jù)影像對(duì)象的熟悉來設(shè)定規(guī)則進(jìn)行分類。目前很多遙感軟件都具有這個(gè)功能，如ENVI的FX擴(kuò)展模塊、易康（現(xiàn)在叫Definiens）、ERDAS勺Objective模塊、PCI的FeatureObjeX（新收購）等。表1為三大類分類方法的一個(gè)大概的對(duì)比。基本原理影像的最小單元適用數(shù)據(jù)源缺陷傳統(tǒng)基兒譜的分類方法地物的光譜信息特征單個(gè)的影像像元中低分辨率多光譜和高光譜影像豐富的空間信息利用率幾乎為零基于專家知識(shí)決策樹根據(jù)光譜特征、空間關(guān)系和其他上卜文關(guān)系歸類像元單個(gè)的影像像元多源數(shù)據(jù)知識(shí)狀取比較復(fù)雜面向?qū)ο蟮姆诸?/p>

4、方法幾何信息、結(jié)構(gòu)信一個(gè)個(gè)影像對(duì)象息以及光譜信息中高分辨率多光譜和全色影像速度比較慢表1傳統(tǒng)基于光譜、基于專家知識(shí)決策樹與基于面向?qū)ο蟮挠跋穹诸悓?duì)比表2、ENVIF渝介全名叫“面向?qū)ο罂臻g特征提取模塊一FeatureExtraction”,基于影像空間以及影像光譜特征，即面向?qū)ο螅瑥母叻直媛嗜蛘叨喙庾V數(shù)據(jù)中提取信息，該模塊可以提取各種特征地物如車輛、建筑、道路、橋、河流、湖泊以及田地等。該模塊可以在操作過程中隨時(shí)預(yù)覽影像分割效果。該項(xiàng)技術(shù)對(duì)于高光譜數(shù)據(jù)有很好的處理效果，對(duì)全色數(shù)據(jù)一樣適用。對(duì)于高分辨率全色數(shù)據(jù)，這種基于目標(biāo)的提取方法能更好的提取各種具有特征類型的地物。一個(gè)目標(biāo)物體是一個(gè)關(guān)于

5、大小、光譜以及紋理（亮度、顏色等）的感興趣區(qū)域。可應(yīng)用于：從影像中尤其是大幅影像中查找和提取特征。添加新的矢量層到地理數(shù)據(jù)庫輸出用于分析的分類影像替代手工數(shù)字化過程具有易于操作（向?qū)Р僮髁鞒蹋S時(shí)預(yù)覽效果和修改參數(shù)，保存參數(shù)易于下次使用和與同事共享，可以將不同數(shù)據(jù)源加入ENVIFX中（DEMs、LiDARdatasets、shapefiles、地面實(shí)測(cè)數(shù)據(jù)）以提高精度、交互式計(jì)算和評(píng)估輸出的特征要素、提供注記工具可以標(biāo)識(shí)結(jié)果中感興趣的特征要素和對(duì)象等特點(diǎn)。3、ENVIFXB作說明ENVIF刈勺操作可分為兩個(gè)部分：發(fā)現(xiàn)對(duì)象(FindObject)和特征提取(Extractfeatures)，如

6、圖1所示。圖1FX操作流程示意圖(紅色字體為可選項(xiàng))3.1 準(zhǔn)備工作根據(jù)數(shù)據(jù)源和特征提取類型等情況，可以有選擇的對(duì)數(shù)據(jù)做一些預(yù)處理工作。空間分辨率的調(diào)整如果您的數(shù)據(jù)空間分辨率非常高，覆蓋范圍非常大，而提取的特征地物面積較大(如云、大片林地等)。可以降低分辨率，提供精度和運(yùn)算速度。可利用ENVI主界面->BasicTool->ResizeDat丈具實(shí)現(xiàn)。光譜分辨率的調(diào)整如果您處理的是高光譜數(shù)據(jù)，可以將不用的波段除去。可利用ENVI主界面->BasicTool->layerstacking具實(shí)現(xiàn)。多源數(shù)據(jù)組合當(dāng)您有其他輔助數(shù)據(jù)時(shí)候，可以將這些數(shù)據(jù)和待處理數(shù)據(jù)組合成新的多波段

7、數(shù)據(jù)文件，這些輔助數(shù)據(jù)可以是DEM,lidar影像,和SAR影像。當(dāng)計(jì)算對(duì)象屬性時(shí)候，會(huì)生成這些輔助數(shù)據(jù)的屬性信息，可以提高信息提取精度。可利用ENVI主界面->BasicTool->layerstacking具實(shí)現(xiàn)。空間濾波如果您的數(shù)據(jù)包含一些噪聲，可以選擇ENVI的濾波功能做一些預(yù)處理。3.2 發(fā)現(xiàn)對(duì)象(一)打開數(shù)據(jù)在ENVIZoom中打開Processing>FeatureExtraction如圖2所示,BaseImage必須要選擇，輔助數(shù)據(jù)(AncillaryData)和掩膜文件(MaskFile)是可選。這里選擇ENVI自帶數(shù)據(jù)envidatafeature_ext

8、ractionqb_colorado,它是0.6米的快鳥數(shù)據(jù)圖2選擇數(shù)據(jù)（二）影像分割FX根據(jù)臨近像素亮度、紋理、顏色等對(duì)影像進(jìn)行分割，它使用了一種基于邊緣的分割算法，這種算法計(jì)算很快，并且只需一個(gè)輸入?yún)?shù)，就能產(chǎn)生多尺度分割結(jié)果。通過不同尺度上邊界的差異控制，從而產(chǎn)生從細(xì)到粗的多尺度分割。選擇高尺度影像分割將會(huì)分出很少的圖斑，選擇一個(gè)低尺度影像分割將會(huì)分割出更多的圖斑，分割效果的好壞一定程度決定了分類效果的精確度，我們可以通過預(yù)覽分割效果，選擇一個(gè)理想的分割閥值，盡可能好地分割出邊緣特征圖3影像分割閾值設(shè)定調(diào)整滑塊閥值對(duì)影像進(jìn)行分割，這里設(shè)定閾值為30,點(diǎn)擊Next按鈕，這時(shí)候FX生成一個(gè)R

9、egionMeans影像自動(dòng)加載圖層列表中，并在窗口中顯示，它是分割后的結(jié)果，每一塊被填充上該塊影像的平均光譜值。接著進(jìn)行下一步操作。注：按鈕是用來選擇分割波段的，默認(rèn)為BaseImage所有波段。（三）合并分塊影像分割時(shí)，由于閾值過低，一些特征會(huì)被錯(cuò)分，一個(gè)特征也有可能被分成很多部分。我們可以通過合并來解決這些問題。FX利用了FullLambda-Schedule算法。這一步是可選項(xiàng)，如果不需要可以直接跳過。IK3 . dd 國M川+144;小型3產(chǎn)ff jum* f *:，E Q 1 Mir£v* vS « >' -mNfl：圖4合并分塊設(shè)定一定閾值，預(yù)覽

10、效果。這里我們?cè)O(shè)置的閾值為95,點(diǎn)Next進(jìn)入下（四）分塊精煉FX提供了一種閾值法（Thresholding）進(jìn)一步精煉分塊的方法。對(duì)于具有高對(duì)比度背景的特征非常有效（例如，明亮的飛機(jī)對(duì)黑暗的停機(jī)坪）。可以將精煉結(jié)果生成掩膜圖層（Mask）,按鈕可以修改基于哪個(gè)波段。iff It-Htta4< J胃?.屬：扭±1 _ a i B Juf.* 叫riJHvivMii:，小1*閩迪內(nèi)司-力川<4-'白T< T 4rM 4 iH* w *4 w|w 01*，*It4f rf l-G- wn ,? Ikrin M il-m*，*4 fa iqiB-wii * ivb

11、p- t h tta- th r 好.du *Hgfka'.b U l&M 4Hi 1EVTt圖5精煉分塊這里我們就直接選擇NoThresholding（default），點(diǎn)擊Next進(jìn)入下一步操作。（五）計(jì)算對(duì)象屬性計(jì)算4個(gè)類別的屬性：光譜、空間、紋理、自定義（顏色空間和波段比）.其中“顏色空間”選擇三個(gè)RGB波段轉(zhuǎn)換為HSI顏色空間，“波段比”選擇兩個(gè)波段用于計(jì)算波段比（常用紅色和近紅外波段）。各個(gè)屬性的詳細(xì)描述參考ENVI/IDL提供的FeatureExtractionModule.pdf文檔。圖6對(duì)象屬性的計(jì)算這里我們按照默認(rèn)全選擇，ColorSpace選才RRGBBa

12、ndRatio選擇紅色和近紅外波段，點(diǎn)擊Next按鈕進(jìn)行下一步操作。目前，已經(jīng)完成了發(fā)現(xiàn)對(duì)象的操作過程，接下來是特征的提取。3.3 特征提取如圖7所示，有三種特征提取方法供選擇，分別是監(jiān)督分類、規(guī)則分類和直接矢量輸出。世FeatureExtraction,:qb_colorado：EstractFsatur&eChoosetoperformsupervisedclassificati(selectexaiDiplesrule-feasedclisiss；!fication,orchoosetoexportvectorsto理sJiapefile(availableonlyifspati

13、alattributeswereselectedt。becomputedinpreviousstep.).Supervisedclassificatic*nusestrainingdta,toassignobjectsofiinknownidentitytooneormoirwknownfeatures,Rule-basedclassificationisanadvancedmethodthatletsyoudefinefeaturesbybiiildingrillesbasedqqobjectattributes."'Classifybyselectingexampins：

14、Classi£ybycreatingrulesmumramBin才ExportVectorTip：ClassifyorExpertFeiog|吧耳圖7特征提取方法選擇（一）輸出矢量選才EExportVectors,進(jìn)入圖8界面，選擇保存路徑，屬性信息也可選擇輸出stIfFtalur*Ertrurtiobiqb_eoi»ul«F*tirnraiBilliIIk-Fli«itw*EltFM'tL«B1V«r4LVII4EVttNryJUfUdlisA普ZtkUw4pwjvi4i4rtmTfw產(chǎn)miMIf曰Eirkw4iKtHM.t

15、h«r3，i*ld.utLglEClithTh】XjikkII*Ibi:iF：!r.nmt*l«1fgl«CJ-i-ck即de】feo«kh«dbtn<*t.«relirhTi岫nilt*«EhtVthlwtEitrkp4ffll|，小也wCiXrl5，gTg“ELi.msS«ip4*t£<dL«Lfv«l454皿妙JT海口bfaMFiThr-4*iTSjvHiitl京egQTyCil«rfpK-vme<w)MaBMJ其以中始如砌DMWxiteemo，Tip

16、lUwBlMJiimliifwlimJSlatLatinIWF圖8直接矢量輸出輸出完成會(huì)出來一個(gè)報(bào)表。不關(guān)閉FX浮動(dòng)面板，在ENVIZoom中將得到的矢量特征加載顯示。點(diǎn)擊Previous按鈕，回到圖7界面（二）監(jiān)督分類在圖7界面中選擇Classifybyselectionexamples下一步到如圖8所示界面添加分類*刪除分類.修改類別屬性a打開樣本文件保存樣本文件插入真是樣本 矢量會(huì)據(jù)42圖9監(jiān)督分類界面打開顯示分割塊的 邊界也1）選擇樣本在ENVIZoom中，切換到Select方式，雙擊Feature，打開一個(gè)類別的屬性，如圖10所示，修改顯示顏色、名稱等信息。圖10修改類別屬性信息在分

17、割圖上選擇一些樣本，為了萬便樣本的選擇，可以在ENVIZoom的圖層管理中將原圖移到最上層，選擇一定數(shù)量的樣本，如果錯(cuò)選樣本，可以在這個(gè)樣本上點(diǎn)擊左鍵刪除。一個(gè)類別的樣本選擇完成之后，新增類別，用同樣的方法修改類別屬性和選擇樣本。在選擇樣本的過程中，可以隨時(shí)預(yù)覽結(jié)果。可以把樣本保存為xml文件以備下次使用。2）設(shè)置樣本屬性在圖9中，切換到Attributes選項(xiàng)。默認(rèn)是所有的屬性都被選擇，可以根據(jù)提取的實(shí)際地物特性選擇一定的屬性。Extract F«n.tur«rssrJSFCIIrm口>J<Ja<<JgCho4itsptitial.嘲I。vi*md

18、MKifyifictStltclindivi4ud.fcttribiAltsMdeliekAltributtbn上t與4rclidilitSeleelAllAttFibutesbutt&n1*xAlteta11kftwdefiiiisic*<Ituljreuc«n式竄今clicktMStltctAtlribtit*%butt&nd*t享th*b.工t«ttritvus«forcli.ssifyin<f*4tur(5ftrihp”工AlpriU»|Altribnit*!Stltcl+4Attrib0±零2皿4n.小re

19、ct_fititftindirnmbol*stx_r*n<*tnviriuicittx.tntrflpyBinbind.Lh*ib*£id_lStdb*B.dvLstdb«nd_3it«b«rid_4stdbud_4qFrtritvTipSuper?nedCl：ii5,iificfctimPr.智ui»|"tail圖11樣本屬性選擇這里我們按照默認(rèn)全部選擇3)選擇分類方法在圖9中，切換到Algorithm選項(xiàng)。FX提供了兩種分類方法：K鄰近法(KNearestNeighbor)和支持向量機(jī)(SupportVectorMachin

20、e,SVM),如圖12所示。圖12分類方法這里我們選擇K鄰近法，K參數(shù)設(shè)置為5,點(diǎn)擊下一步，輸出結(jié)果4）輸出結(jié)果特征提取結(jié)果可以以兩種格式輸出，矢量和圖像，如圖12所示。矢量可以是所有分類以單個(gè)文件輸出或者每一個(gè)類別分別輸出；圖像可以把分類結(jié)果和規(guī)則結(jié)果分布輸出。圖13輸出分類結(jié)果這里我們選擇單個(gè)文件以及屬性數(shù)據(jù)一塊輸出，分類圖像和規(guī)則圖像一塊輸出。點(diǎn)擊Next按鈕完成輸出，同時(shí)可以看到整個(gè)操作的參數(shù)和結(jié)果統(tǒng)計(jì)報(bào)表1n ,« ja Wi“人 （'! "M，I 為 i'FimM*ibuki林HI* . w圖14分類結(jié)果和統(tǒng)計(jì)報(bào)表（三）規(guī)則分類在圖7界面中選擇C

21、lassifybycreatingrules點(diǎn)擊Next,到圖15規(guī)則分類界面。每一個(gè)分類有若干個(gè)規(guī)則（Rule）組成，每一個(gè)規(guī)則有若干個(gè)屬性表達(dá)式來描述。規(guī)則與規(guī)則直接是與的關(guān)系，屬性表達(dá)式之間是并的關(guān)系。同一類地物可以由不同規(guī)則來描述，比如水體，水體可以是人工池塘、湖泊、河流，也可以是自然湖泊、河流等，描述規(guī)則就不一樣，需要多條規(guī)則來描述。每條規(guī)則又有若干個(gè)屬性來描述，如下是對(duì)水的一個(gè)描述：面積大于500像素延長線小于0.5NDVI小于0.3對(duì)道路的描述：延長線大于0.9緊密度小于0.3標(biāo)準(zhǔn)差小于20新增分類，為分類新t微則4刪除分類或?qū)傩灾卦O(shè)規(guī)則一打開規(guī)則文件口保存規(guī)則文件口高級(jí)設(shè)置，公

22、, Feature Ext ract ion: qb colcrdG瀏覽規(guī)則語句一為規(guī)則新增屬性變量. 修改分類或規(guī)則屬性圖15規(guī)則分類這里以提取居住房屋為例來說明規(guī)則分類的操作過程。首先分析影像中容易跟居住房屋錯(cuò)分的地物有：道路、森林、草地以及房屋旁邊的水泥地。雙擊Feature圖標(biāo)，修改好類別的相應(yīng)屬性。1）第一條屬性描述，劃分植被覆蓋和非覆蓋區(qū)雙擊rule,打開對(duì)象屬性選擇面板，如圖16所示。選擇Customized->bandratio。FX會(huì)根據(jù)選擇的波段情況技術(shù)波段比值，比如這里在屬性計(jì)算步驟中選擇的RatioBand是紅色和近紅外波段，所以此時(shí)計(jì)算的是NDVI。把ShowA

23、ttributeImage勾上，可以看到計(jì)算的結(jié)果，通過ENVIZoom工具查看各個(gè)分割塊對(duì)應(yīng)的值。點(diǎn)擊Next按鈕，或者雙擊bandratio,進(jìn)入bandratio屬性設(shè)置對(duì)話框，如圖17所示CluJk Mdm d*vs th 0 «*piyrulv. &!a -jkitt ibux，To艮祖 據(jù)nls-l,«Ftttwttlriifll*. th*fc dlid 卦e Attract# 良。t fttriib勺上事 rill :pM/vid1事Ebi1 clfttli Ei C itiM Cli e)( ftMt t« pr*£!«

24、;«il to th* Bllriliut» d-tfKe stcfrwAttr ih 虹* /II! il* _| Twt-uri* 部1 U1E«dh3舊.£臺(tái)n KutL-J intfruily圖16對(duì)象屬性面板bauidriitSirttClickSfrltc Ubi AttribuUivtrticikl liBits 6-a. lu1 rhlvv tw thn titribgin,.14 d.4flbt *nt<r th« r«圖17屬性設(shè)置對(duì)話框通過拖動(dòng)滑條或者手動(dòng)輸入確定閾值。FuzzyTolerance是設(shè)置模糊

25、分類閾值，值越大，其他分割塊歸屬這一類的可能性就越大。歸類函數(shù)有線性和S-type兩種。這里設(shè)置模糊分類閾值為默認(rèn)的5,歸屬類別為S-type,值的范圍為00.3,勾選ShowRuleConfidenceImages以預(yù)覽規(guī)則圖像。點(diǎn)擊Ok完成此條屬性描述。2）第二條屬性描述，去除道路影響居住房屋和道路的最大區(qū)別是房屋是近似矩形,我們可以設(shè)置Rect_fit屬性。點(diǎn)擊按鈕或者雙擊rule,選擇Spatial->rect_fit。設(shè)置值的范圍是0.51,其他參數(shù)為默認(rèn)值。同樣的方法設(shè)置Spatial->Area:FuzzyTolerance=0,90<Area<1100S

26、patial->elongation延長）：elongation<33）第三條屬性描述，去除水泥地影響水泥地反射率比較高，居住房屋反射率較低，所以我們可以設(shè)置波段的象元值Spectral->avgband_2:avgband_2<50最終的rule1規(guī)則和預(yù)覽圖如圖18所示星l更I利倒的囿堡I回制KlIlThFt F»lilV41LCt i fa11 4tf bU Mv ilR-h'W t vLlfc * */2. 皿!“ « ew1» m* Skb clidk Nd MIUlMji To 米zl . t 1&»,

27、 ika littT 3 l-T?. ! !tr &i T d T-C- kj-J fetOT nlti, E*l«r1 t fstiwt r.M-t Mwi tliefc *d ta±H Thh.Qiil-I-I'fif kH*Fl圖18居住房屋規(guī)則與效果圖類似的思路可以提取道路、林地、草地等分類，這里就不一一例舉。最終結(jié)果的輸出方式和監(jiān)督分類一樣。3.4批處理操作ENVI提供了ENVI_FX函數(shù)，具體語法如下：ENVI_DOIT,ENVI_FX_DOIT,A_FID=array,A_rPayOS,=BaRr_BANDS=array,CENTERLINE_

28、OPTIONS=array,CONF_THRESHOLD=floatingpoint,CS_BANDS=array,DIMS=array,FID=fileID,/EXPORT_ATTRIBUTES,/EXPORT_RASTER,/INVERSE_MASK,KERNEL_SIZE=longinteger,M_FID=fileID,MERGE_LEVEL=floatingpoint,POS=array,R_FID=variable,RASTER_FILENAME=stringorstringarray,/RAW_ATTRIBUTES,RAW_FILENAME=string,REFINE_BAND=

29、integer,/REFINE_INVERSE,/REFINE_MASK,RULESET_FILENAME=string,SCALE_LEVEL=floatingpoint,SEGMENT_BANDS=array,SMOOTHING_THRESHOLD=floatingpoint,TD_FILENAME=string,THRESHOLD_LOWER=floatingpoint,THRESHOLD_UPPER=floatingpoint,VECTOR_FILENAME=string,VECTOR_OPTIONS=stringarray詳細(xì)的變量說明請(qǐng)參考ENVI/IDL提供的Feature_Ex

30、traction_Module.pdf。利用此函數(shù)可以對(duì)根據(jù)分割參數(shù)和分類參數(shù)編寫批處理，或者將此功能應(yīng)用到別的系統(tǒng)上。從以上的實(shí)際操作可以看到，ENVIFXT展模塊操作具有易于操作（向?qū)Р僮髁鞒蹋S時(shí)預(yù)覽效果和修改參數(shù)；功能比較強(qiáng)大，具有多種特征提取方法，包括監(jiān)督分類和知識(shí)規(guī)則分類，等等。4、小結(jié)基于像元的分類方法，依據(jù)主要是利用像元的光譜特征，大多應(yīng)用在中低分辨率遙感圖像。而高分辨率遙感圖像的細(xì)節(jié)信息豐富，圖像的局部異質(zhì)性大，傳統(tǒng)的基于像元的分類方法易受高分辨率影像局部異質(zhì)性大的影響和干擾。而面向?qū)ο蠓诸惙椒梢愿叻直媛蕡D像豐富的光譜、形狀、結(jié)構(gòu)、紋理、相關(guān)布局以及圖像中地物之間的上下文

31、信息，可以結(jié)合專家知識(shí)進(jìn)行分類，可以顯著提高分類精度，而且使分類后的圖像含有豐富的語義信息，便于解譯和理解。對(duì)高分辨率影像來說，還是一種非常有效的信息提取方法，具有很好的應(yīng)用前景。主方向，長軸（最大直徑）與 X軸之間的夾角。范圍是0180度，90度為南/北方向，0和180度為東/西方向附錄對(duì)象屬性說明:屬性描述AREA多邊形的面積，單位與Map單位一致LENGTH多邊形外邊框周長，包括洞的邊框周長，單位與Map單位TCOMPACT緊密性，描述多邊形緊密性的度量。如圓是緊密性最好的形狀，其值為1/Pi,止方形的的值為1/2（sqrt（pi）.COMPARCT=Sqrt（4*AREA/pi）/周長C