eCognition 面向对象图像分类【分类算法介绍】Classification Algorithms

目录

基本分类算法

The Assign Class Algorithm【指向分类算法】

基本描述

适用范围

The Classification Algorithm【特征分类算法】

基本描述

适用范围

The Hierarchical Classification Algorithm【层次分类算法】

基本描述

适用范围

高级分类算法


 

基本分类算法

The Assign Class Algorithm【指向分类算法】

基本描述

赋值类算法是最简单的分类算法。它使用一个阈值条件来确定一个图像对象是否属于一个类。

适用范围

该算法适用于单个阈值条件满足的情况。

 

The Classification Algorithm【特征分类算法】

基本描述

分类算法利用类描述(特征)对图像对象进行分类。它计算类描述(特征)并确定一个图像对象是否可以是一个类的成员。

适用范围

基于模糊逻辑应用的隶属函数,或者在类描述中有组合条件(多特征组合),可以使用此算法。分类结果提供最似分类呈现可供你调整分类参数。

The Hierarchical Classification Algorithm【层次分类算法】

基本描述

层次分类算法用于将复杂的类层次结构应用于图像对象层次。该算法可应用于整个层次结构的类集合。它应用一个预定义的逻辑激活和禁用类基于以下规则:

  1. 只要类在继承层次结构中包含适用的子类,它们就不会应用于图像对象的分类(基于面向对象的继承特性,父类都是虚类,图像分割后的对象不会划分至父类,只会划分为最末端的子类)。
  2. 所有可用的分类特征都只应用于所选的图像对象的分类(限定条件后避免交叉影响)。

适用范围

图像特征复杂且简单的分类方法不易区分,需要经过多层次的分解才能较好的区分图像对象时,可选用本算法。

高级分类算法

高级分类算法被设计用来执行特定的分类任务。现有算法如下:

  1. 全局极值(最大值最小值)条件查找分类
  2. 局部极值(最大值最小值)条件查找分类
  3. 查找完全由某个类所包含的图像对象作为一个分类
  4. 查找完全被图像对象包围的对象作为一个分类
  5. 连接器分类:根据类的链接特征分类
  6. 切面叠加分类:通过与其他对象的重叠切面特征分类
  7. optimal box (Prototype)原型优选:基于训练样本为所选分类得到最优分割特征,同时为分类生成相应的隶属度函数实现分类。
  8. classifier分类器:基于样本的训练特征分类包括:贝叶斯(Bayes)、K临近(KNN)、支持向量机(SVM)、决策树(Decision Tree)、随机森林(Random Tree)

 

 

 

 

 

 

 

你可能感兴趣的:(遥感应用,eCognition)