遥感影像面向对象方法分类，面向对象的遥感影像分类

面向对象分类方法的优势

符合人们通常的思维方式面向对象方法的主要优点是：符合人们通常的思维方式。具有高度连续性从分析到设计再到编码采用一致的模型表示具有高度连续性。软件重用性好软件重用性好。

强调从现实世界中客观存在的事物（对象）出发来认识问题域和构造系统，使系统能更准确地反映问题域。

面向对象编程的优点 （1）简单性 因为面向对象语言里的对象都是反映的真实世界的对象，所以复杂性降低了，而且使网站或软件开发程序的结构也更加清晰。

大家谈谈高分辨率(5米以下)遥感图像的分类的好方法

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。

以下是几种常用的遥感图像分类方法： 最大似然分类(maximum likelihood classification) 最大似然分类是一种基于贝叶斯判别准则的非线性监督分类方法，需要知道已知的或确定的训练样区典型标准的先验概率P(wi)和条件概率密度函数P(wi，x)。

但是由于QuickBird数据的空间分辨率很高，图像上地物景观的结构、形状、纹理和细节等信息都非常突出，而光谱分辨率不高，因此，在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息。

气象卫星图像。目前较常用的有中国自己发射的气象卫星和美国气象卫星（NOAA）的图像。气象卫星可一日数次对同一地点扫描，可用它观察城市热岛的变化情况。

对多波段经行分类处理---对于每个波段，赋予相应类别在这个波段的平均灰度值---然后你说要融合，你确定是融合，不是把各个波段在叠加成多波段？融合的目的是使低分辨率的影像具有高分辨率的同时也获得高分辨率影像的光谱信息。

传统的基于像素的遥感图像处理方法是基于遥感图像丰富的光谱信息和地面物体之间明显的光谱差异。

多尺度分割

多尺度分割两种方向生成层次在时间利用和生成对象个数方面有很大差异，以研究区某一子区域为例，如表5 －1所示。

面向对象的影像信息提取的基本处理单元是经过多尺度分割后具有较好的完整性和单一性的影像对象。其关键步骤有两个： 多尺度影像分割 ( 对象生成) 和影像信息提取。

从大的方面来说，图像分割方法可大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法，以及在此基础上的、采用多分辨率图像处理理论的多尺度分割方法。

摘要： 多尺度推理常用于改善语义分割结果。将图像缩放到多个不同尺度，再输入给同一个网络，再将结果取平均或最大池化。本文提出一个基于注意力的方法来组合多尺度预测。

遥感影像分类中,什么是面向对象分类???

1、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。

2、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) 。对象生成即采用多尺度分割技术生成同质对象，其是进行分类识别和信息提取的必要前提。

3、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。

4、面向对象分类技术它主要分成两部分过程：影像对象构建和对象的分类。影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。

面向对象遥感图像分类与基于像素遥感图像分类相比有什么区别

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。

面向对象的遥感高空间分辨率影像空间信息更加丰富，地物目标细节信息表达的更加清楚。

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。

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。

为区别不同成像方式的遥感影像，常称光学摄影成像的二维连续的影像为像片、扫描成像的一维连续一维离散或二维离散的影像为图像。

区别：数据源：遥感数字图像处理是针对遥感数据进行处理，这些数据是通过遥感卫星、飞机等获取的地球表面信息。而数字图像处理可以适用于各种类型的图像，包括遥感图像在内的其他图像数据，如摄影图像、医学图像等。

面向对象遥感图像分类和基于像素分类方法的相比较的区别有那些?_百度...

1、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。

2、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。

3、传统的基于像素的遥感图像处理方法是基于遥感图像丰富的光谱信息和地面物体之间明显的光谱差异。

4、早期的自动分类和图像分割主要是基于光谱特征，后来发展为结合光谱特征、纹理特征、形状特征、空间关系特征等综合因素的计算机信息提取。 常用的信息提取方法是遥感影像计算机自动分类。

5、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。

6、而图像分类只需要对整个图像进行分类，不需要进行目标的定位和边界框的生成。目标检测通常使用的方法有基于深度学习的目标检测算法，如FasterR-CNN、YOLO等。而图像分类通常使用的方法有卷积神经网络（CNN）等。

关于遥感影像面向对象方法分类和面向对象的遥感影像分类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。