1遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。

目前影像都是基于数字，影像信息的提取方法的发展历程可分为如图1所示，目前这四类方法共存。

图1 影像信息提取发展阶段非监督分类步骤监督分类步骤2三大分类方法的对比利用传统的遥感影像分类方法, 如监督分类或非监督分类, 易造成分类精度降低, 空间数据大量冗余以及资源的浪费,面向对象的分类方法正是为了处理这些问题而出现, 面向对象的分类方法是一种智能化的自动影像分析方法，它的分析单元不再是单个像素，而是由若干个像素组成的像素群，即目标对象。

面向对象的方法利用遥感影像结构信息和光谱信息, 并建立这些特征之间的层次关系的基础上, 对影像进行分类。

面向对象分类方法的关键在于图像分割, 而图像分割方法多种多样, 如何选择科学合理的图像分割方法十分重要，实验证明多尺度图像分割方法综合了图像的光谱!形状!结构!纹理!相关布局等信息, 是目前较为理想的图像分割方法。

（采用面向对象分类的方法，可使用专业遥感图像分类软件eCognition4.0）3面向对象的分类方法面向对象的技术流程图3Envi_ENVI FX简介全名叫“面向对象空间特征提取模块—Feature Extraction”，基于影像空间以及影像光谱特征，即面向对象，从高分辨率全色或者多光谱数据中提取信息，该模块可以提取各种特征地物如车辆、建筑、道路、桥、河流、湖泊以及田地等。

该模块可以在操作过程中随时预览影像分割效果。

该项技术对于高光谱数据有很好的处理效果，对全色数据一样适用。

对于高分辨率全色数据，这种基于目标的提取方法能更好的提取各种具有特征类型的地物。

一个目标物体是一个关于大小、光谱以及纹理（亮度、颜色等）的感兴趣区域。

应用于：1】从影像中尤其是大幅影像中查找和提取特征2】添加新的矢量层到地理数据库3】输出用于分析的分类影像4】替代手工数字化过程ENVI FX的操作可分为两个部分：发现对象（Find Object）和特征提取（Extract features），如图所示FX操作流程示意图（红色字体为可选项）具体实现步骤：1）准备工作：有选择的对数据做一些预处理工作空间分辨率的调整-如果您的数据空间分辨率非常高，覆盖范围非常大，而提取的特征地物面积较大（如云、大片林地等）。

可以降低分辨率，提供精度和运算速度。

可利用ENVI主界面->Basic Tool->Resize Data工具实现。

光谱分辨率的调整-如果您处理的是高光谱数据，可以将不用的波段除去。

可利用ENVI主界面->Basic Tool->layer stacking工具实现。

多源数据组合-当您有其他辅助数据时候，可以将这些数据和待处理数据组合成新的多波段数据文件，这些辅助数据可以是DEM, lidar 影像, 和SAR 影像。

当计算对象属性时候，会生成这些辅助数据的属性信息，可以提高信息提取精度。

可利用ENVI主界面->Basic Tool->layer stacking工具实现。

空间滤波-如果您的数据包含一些噪声，可以选择ENVI的滤波功能做一些预处理2）发现对象：(一)打开数据：在ENVI Zoom中打开Processing > Feature Extraction。

如下图所示，Base Image 必须要选择，辅助数据（Ancillary Data）和掩膜文件（Mask File）是可选。

这里选择ENVI自带数据envidata\feature_extraction \ qb_colorado,它是0.6米的快鸟数据(二)影像分割：FX根据临近像素亮度、纹理、颜色等对影像进行分割，它使用了一种基于边缘的分割算法，这种算法计算很快，并且只需一个输入参数，就能产生多尺度分割结果。

通过不同尺度上边界的差异控制，从而产生从细到粗的多尺度分割。

选择高尺度影像分割将会分出很少的图斑，选择一个低尺度影像分割将会分割出更多的图斑，分割效果的好坏一定程度决定了分类效果的精确度，我们可以通过预览分割效果，选择一个理想的分割阀值，尽可能好地分割出边缘特征。

图影像分割阈值设定调整滑块阀值对影像进行分割，这里设定阈值为30，点击Next按钮，这时候FX生成一个Region Means 影像自动加载图层列表中，并在窗口中显示，它是分割后的结果，每一块被填充上该块影像的平均光谱值。

接着进行下一步操作。

注：按钮是用来选择分割波段的，默认为Base Image所有波段(三)合并分块：影像分割时，由于阈值过低，一些特征会被错分，一个特征也有可能被分成很多部分。

我们可以通过合并来解决这些问题。

FX利用了 Full Lambda-Schedule算法。

这一步是可选项，如果不需要可以直接跳过。

设定一定阈值，点Next进入下一步。

(四)分块精炼：FX提供了一种阈值法（Thresholding）进一步精炼分块的方法。

对于具有高对比度背景的特征非常有效（例如，明亮的飞机对黑暗的停机坪）。

可以将精炼结果生成掩膜图层（Mask），按钮可以修改基于哪个波段。

这里我们就直接选择No Thresholding（default），点击Next进入下一步操作。

(五)计算对象属性：计算4个类别的属性：光谱、空间、纹理、自定义（颜色空间和波段比）。

其中“颜色空间”选择三个RGB波段转换为HSI颜色空间，“波段比”选择两个波段用于计算波段比（常用红色和近红外波段）。

各个属性的详细描述参考ENVI/IDL提供的Feature_Extraction_Module.pdf文档。

这里我们按照默认全选择，Color Space 选择RGB，Band Ratio选择红色和近红外波段，点击Next按钮进行下一步操作。

目前，已经完成了发现对象的操作过程，接下来是特征的提取。

3）特征提取：有三种特征提取方法供选择，分别是监督分类、规则分类和直接矢量输出。

图a特征提取方法选择（一）输出矢量：选择Export Vectors，进入下图界面，选择保存路径，属性信息也可选择输出。

输出完成会出来一个报表。

不关闭FX浮动面板，在ENVI Zoom中将得到的矢量特征加载显示。

点击Previous 按钮，回到图a界面。

（二）监督分类: 在图a界面中选择Classify by selection examples，图b选择样本:在ENVI Zoom中，切换到Select方式，双击Feature_1，打开一个类别的属性，如下图所示，修改显示颜色、名称等信息。

在分割图上选择一些样本，为了方便样本的选择，可以在ENVI Zoom的图层管理中将原图移到最上层，选择一定数量的样本，如果错选样本，可以在这个样本上点击左键删除。

一个类别的样本选择完成之后，新增类别，用同样的方法修改类别属性和选择样本。

在选择样本的过程中，可以随时预览结果。

可以把样本保存为xml文件以备下次使用。

设置样本属性：在图b中，切换到Attributes选项。

默认是所有的属性都被选择，可以根据提取的实际地物特性选择一定的属性。

这里我们按照默认全部选择。

选择分类方法:在图b中，切换到Algorithm选项。

FX提供了两种分类方法：K邻近法（K Nearest Neighbor）和支持向量机（Support Vector Machine ，SVM），如下图所示这里我们选择K邻近法，K参数设置为5，点击下一步，输出结果。

输出结果：特征提取结果可以以两种格式输出，矢量和图像。

矢量可以是所有分类以单个文件输出或者每一个类别分别输出；图像可以把分类结果和规则结果分布输出。

这里我们选择单个文件以及属性数据一块输出，分类图像和规则图像一块输出。

点击Next按钮完成输出，同时可以看到整个操作的参数和结果统计报表。

分类结果和统计报表(三)规则分类：在图a界面中选择Classify by creating rules，点击Next，到图c规则分类界面。

每一个分类有若干个规则（Rule）组成，每一个规则有若干个属性表达式来描述。

规则与规则直接是与的关系，属性表达式之间是并的关系。

同一类地物可以由不同规则来描述，比如水体，水体可以是人工池塘、湖泊、河流，也可以是自然湖泊、河流等，描述规则就不一样，需要多条规则来描述。

每条规则又有若干个属性来描述，如下是对水的一个描述：面积大于500像素延长线小于0.5 NDVI小于0.3对道路的描述：延长线大于0.9 紧密度小于0.3 标准差小于20图c这里以提取居住房屋为例来说明规则分类的操作过程。

首先分析影像中容易跟居住房屋错分的地物有：道路、森林、草地以及房屋旁边的水泥地。

双击Feature_1图标，修改好类别的相应属性。

1)第一条属性描述，划分植被覆盖和非覆盖区,双击rule ，打开对象属性选择面板，如图所示。

选择Customized->bandratio。

FX会根据选择的波段情况技术波段比值，比如这里在属性计算步骤中选择的Ratio Band是红色和近红外波段，所以此时计算的是NDVI。

把Show Attribute Image勾上，可以看到计算的结果，通过ENVI Zoom工具查看各个分割块对应的值。

点击Next按钮，或者双击bandratio，进入bandratio属性设置对话框，如图所示通过拖动滑条或者手动输入确定阈值。

Fuzzy Tolerance是设置模糊分类阈值，值越大，其他分割块归属这一类的可能性就越大。

归类函数有线性和S-type两种。

这里设置模糊分类阈值为默认的5，归属类别为S-type，值的范围为0~0.3，勾选Show Rule Confidence Image可以预览规则图像。

点击Ok完成此条属性描述。

2)第二条属性描述，去除道路影响,居住房屋和道路的最大区别是房屋是近似矩形，我们可以设置Rect_fit属性。

点击按钮或者双击rule ，选择Spatial->rect_fit。

设置值的范围是0.5~1，其他参数为默认值。

同样的方法设置Spatial->Area: Fuzzy Tolerance=0,90<Area<1100,Spatial->elongation(延长): elongation<3。

3)第三条属性描述，去除水泥地影响，水泥地反射率比较高，居住房屋反射率较低，所以我们可以设置波段的象元值。

Spectral->avgband_2: avgband_2<50。

最终的rule1规则和预览图如图所示居住房屋规则与效果图类似的思路可以提取道路、林地、草地等分类，这里就不一一例举。

最终结果的输出方式和监督分类一样。