面向对象分类

摘要： 农作物分类是精准农业中的重要技术之一。为探究多品类作物分类的有效方法,基于无人机高分辨率遥感影像,分别应用基于像元和面向对象分类方法建立了研究区内28类典型农作物分类模型,并采用总体精度、Kappa系数、用户精度、生产者精度对分析结果进行了评价。结果表明:基于像元的最小距离法、马氏距离法、最大似然法、神经网络法和支持向量机的农作物分类结果均存在严重的“椒盐现象”,分类总体精度均低于90%,Kappa系数低于0.9,而面向对象分类法有效解决了地块破碎及作物交织混杂等问题,分类后多数地块完整性良好,更符合实际情况,分类总体精度达91.73%,Kappa系数达0.87。同时,对比分析了2种方法下各类作物的分类结果,发现面向对象分类方法改善了多数作物的分类效果及精度,为基于无人机高分辨率影像的农作物分类提供了参考。

摘要： 为探索快速、实时、精准和更具成本效益的烟草面积和产量监测方法,选取云南省德宏傣族景颇族自治州芒市为研究区域,采用Sentinel-2多光谱数据为数据源,对2020年3月份云南省德宏州芒市烟草、林地、水体等地物光谱特征和植被指数、红边指数进行了分析,应用面向对象的方法精准提取烤烟种植区域信息,提取的烟草面积为3873.34 hm^(2)。精度评价结果表明,提取的总体精度达到94.38%,Kappa系数为0.93,可满足烟叶生产管理的实际需求。认为以Sentinel-2多光谱影像为数据源结合面向对象的方法可以有效实现烟草种植信息的精准提取,进而为县域范围内烟草生产管理提供数据支撑。

摘要： 道路在遥感影像上具有较为显著的几何形状和拓扑特征,适合采用机器识别的方法实现自动提取。面向对象方法突破了传统仅分析单一像元光谱信息的局限,能够综合运用影像的光谱信息和空间信息。采用面向对象分类的方法对高分辨率遥感影像上的道路信息进行提取,提取出的道路形态较为完整且精度可靠。实验表明:面向对象法能够较好地从高分辨率遥感影像中提取出道路信息,可用于道路的提取和更新应用。

摘要： 以攀枝花市矿区为研究区,将TM和SPOT遥感影像进行影像融合,对矿区信息采用最大似然法和面向对象分类法,比较2种分类结果的精度。基于面向对象的分类法因光谱、形状、纹理等特性相比基于像元的最大似然法分类在矿区分类中结果精度更优。

摘要： 为探讨洞庭湖一年中水位变化对湿地覆被类型演替的影响,以2017年12个月Landsat-8遥感影像为数据源,利用eCognition,Arcgis软件通过面向对象分类方法对洞庭湖湿地进行了解译,将洞庭湖湿地覆被类型分为水体、沙地、浅草、滩涂、林地、深草。根据DEM高程数据和同日期城陵矶(莲)水位观测数据统计各期水位,进而分析了洞庭湖一年内水位变化对湿地覆被类型演替的影响。结果表明:①湿地覆被类型全年面积均值占比大小排序为:水体>浅草>林地>深草>滩涂>沙地;②洞庭湖湿地的水位在一年内呈现涨-丰-枯-退的规律性涨落变化。洞庭湖水位最小值为1月(20 m),7月(32 m)达到最大值。随着水位的增高,水体面积逐步增大,其他覆被类型呈总体下降趋势;③水位的波动对湿地覆被类型具有显著的影响,水位与覆被类型相关性排列大小依次为:水体>深草>浅草>滩涂>林地>沙地。水位每增加1 m,浅草面积减少7806 hm^(2),深草面积减少2454 hm^(2),滩涂面积减少1718 hm^(2),林地面积减少3847 hm^(2),水体面积增加10996 hm^(2)。

摘要： 海岸线是海洋和陆地的分界线,其中海岛岸线与海岛海岸带管理、周围海域使用等活动密切相关。如何提高海岛岸线测量效率及精度,为海岛海岸带的开发与保护提供技术支持显得尤为重要。本文以浙江省舟山市岱山岛为研究区,以Sentinel-2遥感影像为数据源,利用面向对象的隶属度函数分类对岱山岛海岸线进行自动提取,再根据海岸线界定标准对人工岸线部分岸段进行修正,得到最终的岱山岛海岸线。通过与精确目视解译提取的海岸线进行精度评价,两条海岸线的位置及长度基本吻合,证明利用本文方法对海岛岸线进行提取具有可行性。

摘要： 基于随机森林算法(RF,RandomForest)对“高分二号”(GF-2)卫星遥感数据进行面向对象地表信息提取时存在如下不足:1)有限的光谱波段导致随机森林可选特征变量受限,影响分类器性能;2)面向对象影像分割尺度以经验判别为主,缺少定量化的判定标准。为了克服上述问题,文章提出了一种优化特征空间的随机森林分类算法。首先根据面向对象分割的理论方法,引入方差变化率,获取研究区影像的最优分割尺度;然后利用随机森林–平均精度减少模型(RF-MDA,Random Forest-Mean Decrease in Accuracy)与K折交叉验证算法(K-CV,K-Cross Validation),进行特征重要性排序并优化特征空间;最后,基于不同特征组合的随机森林分类算法进行面向对象分类,并对分类结果进行对比分析。结果表明,改进的基于特征优选随机森林分类算法的总体精度和Kappa系数分别为93.44%和0.928,优于原始RF算法。该方法能够有效提高GF-2卫星遥感影像在土地利用分类方面的精度,可为国土监测和管理提供技术支持和理论指导。

摘要： 随着社会经济的快速发展、城市化水平的不断提高,交通道路成为连接人类生产生活的枢纽。完善便利的道路交通有利于社会经济的发展,道路的快速发展不仅带来社会财富、方便人们生活,而且也影响着区域发展规划。笔者以洛阳市为研究区域,以2004年、2018年高分辨率的谷歌影像为数据源,基于面向对象的分类方法提取出道路信息,对分类后结果进一步处理后得到两个时期的主干道路的长度及空间分布。然后对比两期影像上道路的规模、密度、扩张速度,分析了道路的时空变化特征,研究了近20年该市主干道路的扩张情况,并进一步探究了道路扩张的驱动因素。研究结果表明,洛龙区的道路扩张最为显著,道路规模扩张了531.181 km,扩张速度为37.94 km/a;其余市区均有不同程度的扩张且扩张态势相对均衡。道路扩张的主要驱动因素有人口的增加、经济的发展和政策导向等。

摘要： 现有的基于深度学习的面向对象分类方法存在特征表达不充分,难以处理蕴含复杂信息的高分辨率遥感影像等问题。为了实现高分辨率遥感影像高精度分类目的,本文提出了一种结合密集连接和特征重标定的影像分类方法。首先构建具有密集连接方式的DenseNet网络作为基础网络,密集连接的方式能实现每一层输入都是前面所有层信息的汇总;然后引入可实现特征重标定功能的SE模块,以增加特征代表性和区分性;最后设计得到最优SE_DenseNet网络模型,提取特征表达更充分的多层次融合影像,提高影像分类精度。基于ISPRS公开数据集,将本文方法与传统方法和其他深度学习分类模型进行对比,实验结果表明:本文方法优于其他方法,SE_DenseNet网络模型提取的多层次特征较其他方法表达更加充分,可实现高分辨率遥感影像的高精度分类。

摘要： 不透水面是一种重要的城市地物类型,及时准确地获取城市不透水面信息对城市的合理规划、生态环境保护及可持续发展具有重要意义。低空无人机(Unmanned Aerial Vehicle,UAV)作为新型的遥感平台,具有操作灵活、时空分辨率高、受云雾影响小等优点,为中小尺度城市不透水面遥感监测提供了新的技术手段。以无人机可见光影像作为数据源,通过使用面向对象与随机森林算法相结合的方法开展对城市不透水面信息提取研究。首先,根据最佳尺度对影像进行分割并提取分割对象的不同特征,以光谱特征为基础,分别引入指数与地形特征建立方案S1~S4,以光谱、指数和地形特征为基础,分别加入纹理与几何特征构建方案S5~S7,以此来分析不同类型特征对不透水面提取效果的影响;同时,基于优选特征子集(13个)构建方案S8,基于上述8种方案,利用随机森林(RandomForest,RF)算法进行分类并确定最佳方案。然后,通过比较随机森林、支持向量机(Support Vector Machine,SVM)和K-最邻近法(K-Nearest Neighbors,KNN)算法在最佳方案的特征子集下的分类效果,评价随机森林算法对于不透水面的分类性能。结果表明:地形特征中的归一化数字表面模型(normalized Digital Surface Model,n DSM)对不透水面提取精度的提升作用最大,多个方案通过引入n DSM后分类精度均有较大幅度的提升(22.49~39.67个百分点);基于特征优选子集的S8方案分类精度最高,其总体精度达96.18%,Kappa系数为0.95,可见特征优选能够将高维度特征进行降维和优化,大幅减少特征数的同时还能一定程度提高分类效果;随机森林算法在最优特征子集下的分类效果优于SVM与KNN,总体精度比二者分别提升了1.35和14.18个百分点。可见面向对象和随机森林相结合的方法可有效开展城市不透水面精细化提取。该研究为基于无人机可见光影像的不透水面提取提供了一种新方法,也可为城市其他类别地物监测提供技术参考。

摘要： ;本文综合运用RS、GIS和GPS技术,利用1989年和2002年两期遥感数据对吉林省英台采油厂所处的生态敏感区域--莫莫格保护区东部的生态环境进行了土地利用类型遥感信息提取、GPS野外验证,总结了本区域环境变化的主要特点,并对其影响原因做了初步分析,就环境治理方面给出了可行性建议.为了提高遥感信息提取精度,本文采取基于多特征的面向对象分类方法,保证了所获取数据的可靠性和真实性,同时为生态环境的长期监测打下了基础.

摘要： 高分辨率遥感图像分割是面向对象分类的基础,而基于分水岭变换的图像分割性能在很大程度上依赖于计算待分割图像梯度的算法.本文从频域角度引入了相位一致的不变特征提取方法,应用Log Gabor小波提取高分辨率遥感图像的多尺度梯度,发现相位一致梯度较空域检测算子提取的梯度有着更为尖锐的响应,而且对线形特征定位更为准确,有利于高分辨率遥感图像的分割.接着在对相位一致梯度图像进行分割时发现,在抑制分水岭算法的过度分割方面,经典的基于前景标记和背景标记的方法并不适合遥感图像的分割,于是给出了一种基于前景标记和梯度重建的分水岭算法,有效地克服了过度分割问题.使用该方法对IKONOS Pan图像农田、厂房和居民楼等地物进行特征提取和图像分割,得到了较好的分割结果.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1米分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1米分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1米分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1米分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1米分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1m分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1m分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 传统的遥感变化监测和信息提取主要是基于中低分辨率遥感卫星数据或航片,通过目视判读或基于像素的分类方法,信息提取的精度和效率不能兼顾.近15年来卫星遥感技术的发展,特别是影像分辨率的空前提高对信息提取技术提出了前所未有的挑战.特别是1999年以来,高分辨率商业化卫星的相继发射成功,高分辨率卫星数据广泛应用于各行各业,信息提取技术成了制约遥感产业化应用的瓶颈之一.另外空间分辨率的空前提高,使得影像纹理信息极大的丰富,传统的基于像素的分类方法无能为力.本文研究目的是探索1m分辨率IKONOS影像面向对象的信息提取方法,以北京市玉渊潭公园周边土地利用分类为例,详细介绍了基于eCognition的土地利用分类原理、方法和步骤,并对面向对象的分类方法与传统的基于像素的分类方法进行了分析比较,结果表明面向对象的分类方法特别适用于空间分辨率高、纹理信息丰富而光谱分辨率相对不足的影像数据,是解决高分辨率数据产业化应用问题的关键技术.

摘要： 本发明公开了一种基于面向对象随机森林的极化特征选择及分类方法，解决了众多极化特征参与分类时的特征选择与图像分类问题。该方法采用面向对象方法对特征集合进行多尺度分割，对分割后的样本对象进行随机森林建模，并计算每个特征的重要性，采用序列前向选择算法进行特征集优化。本发明采用面向对象的随机森林方法提高了模型训练效率和分类精度。采用序列前向选择算法结合精度最高这一迭代终止条件进行最优特征子集的构建，避免陷入局部最优解。该算法可以在提高分类精度的同时，为合理优化特征集提供定量参考。

摘要： 本发明涉及高分辨率遥感影像的土地分类领域，特别是涉及一种面向对象的无人机高分影像煤火区土地覆被分类方法，主要步骤包括：基于无人机采集的煤火区高分辨率彩色影像，通过影像多尺度分割算法划分同质对象，构建光谱特征、形状特征、纹理特征和高度信息为主的专家知识库，利用规则集和最邻近分类方法实现了煤火区的高精度分类，分类精度远高于传统基于像元的分类方法，本发明满足复杂煤火区域土地覆被精确分类的需求。

摘要： 本发明涉及一种基于对象集成高度信息的面向对象的高光谱分类处理方法，包括以下步骤：1)对HyMap影像和DSM数据进行预处理；2)将HyMap影像与DSM数据进行影像匹配，若匹配成功，执行步骤3)；3)将HyMap影像分割成了多个图像对象；4)对每个图像对象的光谱信息进行二进制编码；5)为每个图像对象计算形状因子的值，并将这些值转换成为了二进制编码；6)将从DSM获取的具有高度的地面对象的相对高度信息转换成为二进制码；7)系统将目标对象的描述转换成二进制编码；8)用编码匹配算法对图像编码和目标编码进行匹配。与现有技术相比，本发明具有需要的训练样本更少，却可以获取更高的分类精度等优点。

摘要： 本发明提出了一种基于分割单元聚类的遥感影像自动分类方法。首先对遥感影像进行分割，得到一系列空间上相邻、同质性较好的分割单元，然后对分割单元进行特征提取，得到分割单元的光谱特征、纹理特征、形状特征、结构特征等多特征信息。进而根据分割单元的特征信息对分割单元进行聚类。最后，通过对聚类结果进行分类后处理(类别合并、错分类别调整等)得到最终的分类结果。整个过程在无需任何先验知识条件下实现了对遥感影像自动分类，同时也保证了较高的分类精度和执行效率。

摘要： 本发明涉及遥感影像处理技术领域，公开了一种面向对象的高分辨率遥感影像地表覆盖分类方法及系统，包括以下步骤：获得高分一号卫星及哨兵二号卫星的遥感影像，并对所获得的哨兵二号遥感影像进行预处理；基于所获得的高分一号遥感图像和哨兵二号遥感图像进行图像分割，获得高分像元和哨兵像元；基于所获得的高分像元和哨兵像元构建多源特征空间，并保证一个高分像元中至少包括一个哨兵像元；基于所构建的多源特征空间进行机器学习，并进行地表覆盖分类。本发明使用成本低且区分效果好。

摘要： 本发明提供一种基于面向对象和光谱规则的多光谱遥感图像非监督分类方法，包括：获取数字化的多光谱遥感图像数据及其元数据和传感器类型；对多光谱遥感图像数据进行辐射定标和大气校正处理，同时应用多尺度分割算法将其分割为多个分割对象；计算每个分割对象的各波段光谱值；基于大气校正后的地物光谱特征，定义核心光谱类别的逻辑表示和特征空间的阈值判别规则，构建多层判别的逻辑表达式，得到光谱规则分类模型；将各波段光谱值输入光谱规则分类模型，得到非监督分类结果。本发明将面向对象的图像分割与光谱规则的非监督分类相结合，充分利用图像的空‑谱信息，获得不同成像时间的非监督分类结果，在普适性与自动化影像数据处理方面具有优势。

摘要： 本发明提供一种遥感影像面向对象分类方法及分类装置，能够提高遥感影像分类准确度。所述方法包括：获取遥感影像数据；通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16‑BiLSTM‑Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；利用影像对象块对构建的VGG16‑BiLSTM‑Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类。本发明涉及图像处理领域。

摘要： 本发明提供一种遥感影像面向对象分类方法及分类装置，能够提高遥感影像分类准确度。所述方法包括：获取遥感影像数据；通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16‑BiLSTM‑Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；利用影像对象块对构建的VGG16‑BiLSTM‑Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类。本发明涉及图像处理领域。

摘要： 本发明公开了一种面向对象分类技术实现河口滩涂分类面积提取的方法，其特征包括以下步骤：（一）提取河口滩涂的水边线：把高分1号卫星遥感图像涉及水体与滩涂的地方用Global？Mapper软件做一个掩膜,？在ENVI中对水体和滩涂进行监督分类，对分类结果进行分类后聚类处理，导出矢量图，导出的矢量图再行导入Global？Mapper软件进行修正，提取得到河口滩涂的水边线；（二）制作shp格式的矢量图：（三）河口滩涂分类面积的提取：应用ENVI软件的基于样本面向对象的流程进行滩涂分类，提取河口滩涂分类面积的数据。本发明的方法，能够对河口滩涂分类利用的信息进行高精度提取，且操作简便，可行性强。

摘要： 本发明提供了一种基于尺度集的面向对象分类方法和装置，涉及遥感影像分类的技术领域，包括：获取待分类遥感影像的分块影像数据，并对分块影像数据进行分割，得到分割影像数据，其中，任意相邻的两个分块影像数据之间存在重叠区域；对分割影像数据进行无缝拼接，得到拼接影像数据；对拼接影像数据进行层次区域合并，并构建低层尺度集，以及确定出低层尺度集中的0级尺度分割数据；基于0级尺度分割数据，构建高层尺度集；获取用户输入的尺度参数，基于尺度参数和高层尺度集，对待分类遥感影像进行分类，得到分类结果，解决了现有的面向对象分类方法的分类精度和分类效率较低的技术问题。