面向对象分类方法

目前生态环境遥感工作中大量涉及多分辨率影像的应用，不仅要求信息分类和提取的成果是真实世界中目标物的抽象，而且希望目标物在形状与类别上具有一致性，由于单个像元的统计分析方法已不能适应多分辨率多时相的影像分析，所以普通的基于像元技术的分类方法已很难满足需要，需要考虑基于像元所建立的空间模型即影像对象。

影像信息面向的对象处理与基于像元的分析相比，更接近于人类的认知过程。与其他传统的影像处理方法相比较，面向对象影像分析的基本处理单元是影像对象或分割片断，而不是单个的像元，也就是说分类是基于影像对象的。面向对象影像分析最突出的特征是影像对象所包含信息量更加丰富，除了色调，还有形状、纹理、环境信息以及不同对象层的信息。根据这些信息，类别之间的语义差异更加明显，分类的精度当然也有所提高。

从概念的角度看，对象的属性信息可分为三类:一是固有的属性信息，它是对象的物理属性，由真实的地表物体与成像状态(传感器与太阳辐射)决定，如对象的颜色、纹理与形状；二是拓扑的属性信息，它是描述对象之间或整个观察窗口内的几何关系，如左侧、右侧、到一个指定对象的中心距离，或在影像中所处区域位置:三是环境的属性信息，指描述对象语义关系的信息，如公园肯定100%被城区所包围。

面向对象技术进行影像分析主要有两个过程:影像分割与信息提取，这两个影像处理过程是相互影响的循环过程。能像分制完成后，就可以利用影像对象的尺度、形状， 特定的信息进行类别信息的提取，反过来，在类别信息提取后，通过成果分析可促进影像分割运算处理法则的改进。在许多应用中，需要的儿何信息与感兴趣的对象是通过类别提取与能像分制处现这相互 作用的福环一步步提取出来的,在彩像分割处理过程中作为基本单元的影像对象在不断地改变它们的形状、类别与相互之间的关系。