许多国内外学者都对遥感影像的分类方法开展了一系列研究，并取得了一定的进展。自面向对象的分类方法提出以来，便有大批学者投入其中，强其与传统的分类方法进行比较，证明其分类精度较传统的分类方法更胜一筹[6]。40248
1国内研究现状
我国对于面向对象分类方法的研究近些年才着力研究，黄慧萍等将高分辨率遥感影像作为数据源，用多尺度动态分割和面向对象分类的方法对大庆市城市绿地进行信息提取，实现了快速获取城市绿地信息的目标[7]。杜凤兰等将IKONOS高分辨率影像与面向对象的分类方法结合将土地覆盖进行了精确的分类[8]。覃先林等将Quickbird影像作为数据源，将影像分割后采用面向对象的分类方法提取树冠信息，取得了较好的效果[9]。莫登奎等将ikonos影像作为数据源，用多尺度分割和模糊分类的面向对象的分类方法，将株洲市作为研究区，提取其城乡结合部的土地覆盖和利用信息，实现了土地覆盖信息的快速获取[10]。郭亚鸽等则选择北京市门头沟区的HJ—1影像，采用多尺度分割，并基于光谱、纹理、几何等信息构建隶属度函数，用面向对象的分类方法叫高精度的提取了该区森林植被信息[11]。余洁等选择荷兰Flevoland地区L波段的全极化SAR影像用不同的分割尺度进行面向对象分类，分类精度高达93.32%[12]。论文网
2国外研究现状
国外对面相对象分类方法的研究较我国要早的多，上世纪70年代即开始运用于遥感影像的解译工作。SchapeA与BaatzM针对高分辨率遥感影像所独有的一些特征提出了面向对象这一分类方法[13]。Ketting和Landgrebe提出了同质性对象提取的优点,并提出了ECHO分割算法[14]。Hofman采用面向对象的分类方法结合纹理信息、光谱信息及背景信息等对Ikonos中的非正式居民地进行信息提取，获得了较好的效果[15]。Bauer等将文也纳作为研究区，利用该地区的遥感影像做土地利用分类，发现面向对象的分类方法效率高，精度高[16]。Sande等将ikonos卫星影像作为数据源，进行洪水灾害的评价，发现用面向对象的方法可以十分有效的获得所需要的结果[16]。 遥感影像的分类方法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_38515.html