【遥感微课堂】面向对象图像分类与遥感动态监测

下载练习数据：http://vdisk.weibo.com/s/zrSeGYf9hsouO
下载详细操作文档：http://vdisk.weibo.com/s/zrSeGYf9hsouC

“同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。
它主要分成两部分过程：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，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。
• 影像对象的分类，目前常用的方法是“监督分类”和“基于规则（知识）分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等对象属性信息。基于规则（知识）分类也是根据影像对象的属性和阈值来设定规则进行分类。

遥感影像具有周期性特点，利用这一特性就可以用于监测一个地区的地表变化情况，遥感影像是我们监测地球变化最直接和权威的数据源。从遥感影像中可以获取的变化信息包括：海岸线、森林健康、城市扩张、农业生产、自然灾害、人为灾害、土地覆盖、冰雪范围、水面变化等。
本课题主要学习面向对象图像分类和遥感动态监测技术，涉及ENVI FX工具、Image Change Workflow工具的使用。

文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0101bw4v.html