面向对象分类精度评定，面向对象分类精度评定原则

遥感影像分类中,什么是面向对象分类???

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。

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。

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。

相关问答

Q1: 试述面向对象方法有哪些特征。

1、封装性 封装是一种信息隐蔽技术，它体现于类的说明，是对象的重要特性。

2、（2）事物的静态特征（即可能用一些数据来表达的特征）用对象的属性表示，事物的动态特征（即事物的行为）用对象的服务表示。（3）对象的属性与服务结合为一体，成为一个独立的实体，对外屏蔽其内部细节，即封装。

3、封装 封装是面向对象的特征之一，是对象和类概念的主要特性。封装就是把过程和数据包围起来，对数据的访问只能通过已定义的界面。如私有变量，用set，get方法获取。

4、特征见下面：抽象就是忽略一个主题中与当前目标无关的那些方面，以便更充分地注意与当前目标有关的方面。继承是一种联结类的层次模型，并且允许和鼓励类的重用，它提供了一种明确表述共性的方法。

5、\n \n \n 5封装、继承、多态\n\n面向对象的特点主要可以概括为封装性、继承性和多态性。

6、可以在不改变现有代码的情况下，增加新的功能和特性，提高了代码的可扩展性。可维护性：面向对象方法将代码分为独立的模块，并通过封装、继承、多态等特性降低了代码的耦合度，从而提高了代码的可读性和可维护性。

Q2: 面向对象得三大特征?

1、面向对象的三个基本特征是：封装、继承、多态。封装是面向对象的特征之一，是对象和类概念的主要特性。

2、面向对象的三大特征：继承、封装、多态。封装，也就是把客观事物封装成抽象的类，并且类可以把自己的数据和方法只让可信的类或者对象操作，对不可信的进行隐藏。

3、\n \n \n 5封装、继承、多态\n\n面向对象的特点主要可以概括为封装性、继承性和多态性。

4、面向对象的三大特征通常包括封装、继承和多态。封装：封装是指将数据和操作数据的函数捆绑在一起，形成一个独立的对象。这个对象称为封装体。封装的目的是增强代码的安全性和易维护性。

5、面向对象的三大特征：封装：封装是将过程和数据包围起来，数据只能通过定义的接口访问。面向对象计算从一个基本概念开始，即现实世界可以表示为一系列完全自治的、封装的对象，这些对象通过受保护的接口访问其他对象。

6、三大特征是：封装、继承和多态。封装是指将某事物的属性和行为包装到对象中，这个对象只对外公布需要公开的属性和行为，而这个公布也是可以有选择性的公布给其它对象。

Q3: 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。

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。

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。

Q4: 有懂envi面向对象分类的吗

直接打开ENVI的相关窗口，在Insert那里点击Legend进行跳转。下一步弹出新的对话框，需要根据实际情况编辑其中的对象。这个时候如果没问题，就继续设置土地利用分类图的参数并确定制作。

在ENVI的监督分类步骤很简单：第一步：首先打开需要进行监督分类的影像数据，选择不同的波段进行彩色合成，这里尽可能的选择信息量最丰富的波段来进行合成。波段选择可以通过计算不同波段之间的相关系数来分析其相关性。

精度比较差分类方法除了大家常用的最大距离、支持向量机、人工神经网络等。个人通过尝试发现使用“面向对象和基于专家系统的决策树分类”比较好用。特别是基于专家的分类树，如果研究区地形起伏较大，那么DEM可以充分发挥作用。

易康用的人没ENVI多，但在面向对象分类这边个人感觉更加专业些，但是ENVI比较常用，可以通过二次开发增加分类功能、改善分类精度。

ENVI中非监督分类的两种分类方法的参数设置，监督分类的最小距离分类，最大似然分类。决策树分类的参数设置。第一次用ENVI参数不知道什么设置。谢谢！... ENVI中非监督分类的两种分类方法的参数设置，监督分类的最小距离分类，最大似然分类。

前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

Q5: 基于面向对象分类方法的SPOT5影像土地利用信息提取研究——以河南省...

1、所有后续的分类工作都基于这些影像对象进行，因而分类结果避免了斑点噪声而具有很好的整体性。

2、其采用一种基于遥感影像的多尺度分割方法，可以生成任意尺度的、属性信息相似的影像多边形 ( 对象) ，运用模糊数学方法获得每个对象的属性信息，以影像对象为信息提取的基本单元，实现分类和信息提取。

3、卫星影像数据情况 本项目数据源是由国土资源部信息中心提供的 2005～2007 年 SPOT 5_5 m 分辨率影像数据。

面向对象分类精度评定的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于面向对象分类精度评定原则、面向对象分类精度评定的信息别忘了在本站进行查找喔。