面向对象分类遥感，遥感面向对象图像特征提取实验报告

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

面向对象分类方法的优势

) 面向对象的遥感影像分类方法能够充分表达对象之间的语义信息，是促进遥感影像分类方法向着更高层次发展的有力工具和坚实基础。

优点：易维护采用面向对象思想设计的结构，可读性高，由于继承的存在，即使改变需求，那么维护也只是在局部模块，所以维护起来是非常方便和较低成本的。

多态性允许每个对象以适合自身的方式去响应共同的消息。多态性增强了软件的灵活性和重用性。

1、改进过的平行管道方法基于每个图像波段内两类之间累积百分比直方图的最大差值自动分离已知目标类，这种分离值和图像波段都是自动选择的。他利用改进过的平行管道分类对TM遥感数据进行了森林覆盖分类，结果取得了较好的效果，提高了分类的精度。

2、计算机图像分类方法，常见的有两种，即监督分类和非监督分类。监督分类，首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。

3、参数分类器要求待分类数据满足一定的概率分布，而非参数分类器对数据的概率分布没有要求。

4、视觉解译：这是一种传统的方法，主要依赖于人的视觉和经验进行遥感图像解译，识别和分类地表特征。

面向对象的影像分析技术是在空间信息技术长期发展的过程中产生的，在遥感影像分析中具有巨大的潜力，要建立与现实世界真正相匹配的地表模型，面向对象的方法是目前为止较为理想的方法。

而基于像素的遥感图像分类，你只能利用像素的光谱信息了，对于存在大量“同谱异质”（一样的光谱不一样的东西，比如遥感影像中很难区分的“裸地”和“道路”）和“同质异谱”（比如一个房子，房顶一半是黄的一半是蓝的。

面向对象的遥感影像分类有两个独立的模块：对象生成 ( 影像分割) 与信息提取 ( 影像分类) ( Blaschket et al. ，2000； Metzler et al. ，2002) 。

在高分辨率遥感影像上，利用植物的光谱来区分植被类型，可比较直接的确定乔木、灌木、草地等类型。根据热红外影像解译标志，白天林地呈暗灰至灰黑色，晚上呈浅灰色调，草地在夜晚呈黑色调或暗灰色调。

非监督分类最常用的统计方法是聚类分析，聚类分析是按照像元之间的相似程度来进行的一种多元统计分析方法。监督分类的缺点在于会有大量的像元没有分类。

目前用得比较多的方法包括：共生矩阵法、分形维方法、马尔可夫随机场方法等。共生矩阵是一比较传统的纹理描述方法，它可从多个侧面描述影像纹理特征。

1、均值滤波：协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。

2、这个问题比较大，写本书都没什么问题。我简单讲吧，就是分类的尺度不同。面向对象是基于设定的地物单元分类，考虑多种因素的综合关系，像素一般仅仅针对像素本身的灰度值分类。

3、遥感无缝镶嵌与基于像素镶嵌的区别是：遥感无缝镶嵌更加精准。根据相关信息显示，遥感无缝镶嵌可以改善基于像素镶嵌中接缝偏移、地质界线延伸、影像错位等问题，为后期的图像处理创造良好的基础。

4、传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富，地物间光谱差异较为明显的基础上进行的。

5、面向对象的处理方法中最重要的部分是图像分割。随着地球观测任务的逐步细化，高分辨率的遥感卫星图像得到了越来越广泛的应用。这给遥感图像分类方法带来了挑战。

关于面向对象分类遥感和遥感面向对象图像特征提取实验报告的介绍到此就结束了，不知道你从中找到你需要的信息了吗？如果你还想了解更多这方面的信息，记得收藏关注本站。