面向对象分类方法基于，面向对象分类的定义

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

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、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。从分类技术角度来看 由于受空间分辨率的制约，传统的遥感影像信息提取只能依靠影像的光谱信息，且是在像素层次上的分类；而面向对象的遥感高空间分辨率影像虽然结构、纹理等信息非常突出，但光谱信息不足(波段较少)。

3、此外背景信息在影像分析中很重要，举例来说，城市绿地与某些湿地在光谱信息上十分相似，在面向对象的影像分析中只要明确城市绿地的背景为城市地区，就可以轻松地区分绿地与湿地，而在基于像元的分类中这种背景信息几乎不可利用。

4、与传统的基于像元的分类方法相比，面向对象的遥感影像分类方法具有以下优势：1) 能够较好地解决噪声问题。传统基于像元的分类方法对噪声比较敏感，高分辨率影像图斑更加破碎，在不考虑邻域像元的情况下，对单个像元进行分类往往会导致严重的“胡椒盐效应”。

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。现有的研究表明，基于像素的高分辨率遥感图像分类存在着明显的局限性。

6、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。

遥感影像分类中,什么是面向对象分类???

最关键的区别在于，面向对象的方法中，你处理的是“图像块”（也就是所谓的对象，一般由分割得到）。相较于像素，“图像块”不仅有光谱信息，相应的还有形状、大小、纹理等等特征在里面，这就大大丰富了你可以处理的信息总量，对于后续的分类帮助很大。

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。

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。比较常用的就是多尺度分割算法；影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。

不过ENVI中的神经网络似乎有点问题，不太容易收敛。另一类方法则是一楼提到的面向对象的分类方法。首先将同质区域进行分割、合并。在合并的基础上进行监督分类。这样的分类精度比较高，而且几乎不会有散点。看起来比较漂亮。比如eCognition软件。以上两种方法在应对高分辨率影像分类比较有效。

面向对象分类技术作为一种新的遥感影像很好地解决了这个问题，而eCognition软件正是基于面向对象方法的影像分类技术。本文就是基于该软件以河南省临颍县土地利用分类信息提取为例对该方法进行了探讨。 1 研究区概况和资料基础 研究选取河南省临颍县作为研究区。

遥感影像分类是对影像中包含的多个目标地物进行区分，并给出单个像元的对应特征类别。按照是否需要先验样本，分为监督分类和非监督分类。

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...

最关键的区别在于，面向对象的方法中，你处理的是“图像块”（也就是所谓的对象，一般由分割得到）。相较于像素，“图像块”不仅有光谱信息，相应的还有形状、大小、纹理等等特征在里面，这就大大丰富了你可以处理的信息总量，对于后续的分类帮助很大。

图像级分类和像素级分类的区别如下：图像分类是计算机视觉中最基础的任务，其中可以分为跨物种语义级别的图像分类，子类细粒度图像分类，以及实例级图像分类三大类别，色彩是物体表面的一种视觉特性，每种物体都有其特有的色彩特征。

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。从分类技术角度来看 由于受空间分辨率的制约，传统的遥感影像信息提取只能依靠影像的光谱信息，且是在像素层次上的分类；而面向对象的遥感高空间分辨率影像虽然结构、纹理等信息非常突出，但光谱信息不足(波段较少)。

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。对于只含有较少波段的高分辨率遥感影像，传统的分类方法，就会造成分类精度降低，空间数据的大量冗余，并且其分类结果常常是椒盐图像，不利于进行空间分析。

多尺度分割

1、多尺度分割是指在影像信息损失最小的前提下，以任意尺度生成异质性最小、同质性最大的有意义影像多边形对象的过程，其是一种影像抽象 ( 压缩) 的手段，即把高分辨率像元的信息保留到低分辨率的对象上，不同的地物类型可以在相应尺度的对象上得到反映( 黄慧萍，2003) 。

2、从上到下的分割( 由大尺度到小尺度的多种分割) 需要在父对象范围内以像元为单位用区域合并算法形成子对象，区域合并算法每次均是针对单个像元进行，时间代价大。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。

3、即使是 Definiens 软件中的多尺度分割算法允许向两个方向生成层次( Create Above 和 Create Below) ，但是研究发现用这两种不同的方式采用同样的尺度分割出来的对象个数有所出入。如表5 －6，同一块区域不同尺度按从上到下和从下到上两种方式分割，各层次的对象数目是不一致的。

4、我们提出一种层次化的注意力机制，学习预测相邻尺度之间的关系权重，由于它是层次化的，所以我们只需要增加一个额外的尺度的训练pipeline，而其它的方法，例如[1]，则需要在训练阶段显示地增加每一个额外的推理尺度。

5、目前，国内对适宜尺度的确定问题还处于探讨阶段，仍然缺乏一个简单可行的方案。多数学者使用 Definiens 软件进行多尺度分割，主要通过目视判别法来比较分析不同分割层之间地物类别分割的准确性，本研究称之为经验尝试法，通过经验尝试法为最终适宜尺度的确定提供一定的参考。

6、乔程、骆剑承等( 2008) 结合高分辨率遥感影像的特点，采用面向对象方法提出 “自下而上”的多尺度分割方法 ( 由小尺度合并至大尺度) ，结果表明该方法较传统的 “自上而下”的尺度分割方法提取的精度有显著提高，更接近实际地物。

面向对象分类方法的优势

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。运用人类日常的思维方法和原则（体现于OO方法的抽象、分类、继承、封装、消息等基本原则）进行系统开发，有利于发挥人类的思维能力，有效控制系统复杂性。

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。

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。..使用面向对象思想进行开发有以下优点：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。

面向对象方法比较符合人类的思维方式，而且它最大的优势是代码重用，由于使用大量的可重用的类库，可以提高开发效率，缩短开发周期，降低开发成本，提高哦程序代码的可靠性，减少程序的维护工作量，而且还可以提高程序的标准化程序。

使用面向对象思想进行开发有以下优点：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。质量高 在设计时，可重用现有的，在以前的项目的领域中已被测试过的类使系统满足业务需求并具有较高的质量。

简言之，面向对象就是面向事情本身，面向对象的分析过程就是认识客观世界的过程。面向对象方法从对象出发，发展出对象，类，消息，继承等概念。面向对象方法的主要优点是：符合人们通常的思维方式；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。

关于面向对象分类方法基于和面向对象分类的定义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。