1、“.....其基本原理是分类时不仅依靠地物的光谱特征，更多的是根据像元的形状颜色纹理等几何特征和结构信息，把具有相同特征的象素组成个对象，然后根掘每个对象的特征进行分类。面向对象的分类基本分析单元不再是单个像元，而是更有实际意义的影像对象。影像对象是与像元相对应的影像分析单元，由影像的多尺度分割而形成的由若干个同质像素组成的集合体，对象的大小由分割尺度决定，影像的分类都是基于对象进行的，这样能更好的利用地物目标的几何特征。面向对象的遥感图像分类方法的本质是以对象或基元为分类或检测的最小单元，从较高层次对象层次对遥感图像进行分类，以减少传统的基于像元层次分类方法语义信息的损失率，使分类结果含有为每类地物建立模糊规则如表，并分别赋予相应的类，选择模糊隶属度函数分类器进行分类，在第层上提取行道树，同时在非植被信息中，可提取，如地物的空间分布形状尺寸纹理特征，地物之间的拓扑关系以及上下文信息等......”。

2、“.....在运用传统的基于像元的分类方法对高分辨率影像进行信息提取时，无法得到满意的效果。为了解决这问题，于是，我们提出了面理形状结构等细节信息丰富，但其光谱分辨率较低。传统的基于像元的影像分类，主要是根据单个像元的光谱特性，仅局限于对图像低层次的理解，孤立地考虑单个像元的灰度特征，而忽略了更为复杂和丰富的其他地物信息高分辨率遥感影像来说，必然会影响分类的精度和数据的利用率。面向对象的分类方法成为种主要的第页共页地面分类的方法，在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息。高分辨率影像的纹基于面向对象的提取方法高分辨率图像的光谱分辨率并不高，往往其几何纹理的信息丰富，图像地物景观的结构形状纹理和细节等信息都非常突出。由于基于像元的遥感影像信息提取方法存在着不可忽视的弊端和局限，对于督分类相比，非监督分类不需要分析者对研究区域有很好的了解......”。

3、“.....独特的覆盖量很小的类别也能够被识别，而不至于像监督分类中由于分析者的失误造成有用信息的丢失。主观因素影响小，在非监督分类过程中只需要分析者预先定义几个参数，如分类数目分类类别等。即使分析者对图像有很强的看法偏差，也不会对分类结果有很大影响，因此非监督分类可以产生比监督分类更均质的图像与监已分出各个类别的实际属性进行确认。经过长期发展，目前已形成了近百种不同的监督分类方法。由于非监督分类不需要分析者选择训练样本，只需要其具有对非监督分类所得结果的解释能力，故对分析者的经验要求较低的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，不需要人工选择训练样本，仅需极少的人工初始输入，依靠影像上不同类地物光谱信息或纹理信息进行特征选取，再统计特征的差别来达到分类目的，最后对督分类非监督分类，也称为聚类分析或点群分析。即在多光谱图像中搜寻定义其自然相似光谱集群组的过程......”。

4、“.....这种分类方法可以根据实际的目的来决定所分的类别数量，能避免大量的数据冗余结合分类者的实际知识及经验来控制训练样本的选择，能过提高分类精度。非监监督分类监督分类又称训练分类法，是通过选择有代表性的地物类别已知的训练数据来训练分类器，再用训练好的分类器对未知地区影像数据进行自动分类的方法，即动态聚类法第页共页，和法。离法波谱角度制图以及二进制编码方法等。常用的非监督分类法有分类集群法波谱特征曲线图形识别法平行管道分类法费歇尔线性判别分类法最大似然比分类法平行六面体法马氏距发展的也比较成熟，主要包括两种，监督分类和非监督分类。监督分类是自顶向下的知识驱动法，先进行训练再进行分类，即先学习再分类法，而非监督分类是种自底向上的数据驱动方法。比较常用的监督分类法有最小距离系统的核心功能之，也是信息提取的重要环节......”。

5、“.....目前应用较多的遥感解译方法体上有两种基于像元和面向对象。基于像元的分类方法是种传统的分类方法，至今应用较为广泛，技术上形成复合影像，对影像区高中低层建筑物进行了分类，研究表明由融合图像高程信息和纹理信息参与的分类结果精度最高，对高层建筑物分类的精度可达。基于像元的信息提取方法遥感影像分类是遥感图像处理系形成复合影像，对影像区高中低层建筑物进行了分类，研究表明由融合图像高程信息和纹理信息参与的分类结果精度最高，对高层建筑物分类的精度可达。基于像元的信息提取方法遥感影像分类是遥感图像处理系统的核心功能之，也是信息提取的重要环节，它实现了基于遥感数据的地理信息提取。目前应用较多的遥感解译方法体上有两种基于像元和面向对象。基于像元的分类方法是种传统的分类方法，至今应用较为广泛，技术上发展的也比较成熟，主要包括两种，监督分类和非监督分类......”。

6、“.....先进行训练再进行分类，即先学习再分类法，而非监督分类是种自底向上的数据驱动方法。比较常用的监督分类法有最小距离法费歇尔线性判别分类法最大似然比分类法平行六面体法马氏距离法波谱角度制图以及二进制编码方法等。常用的非监督分类法有分类集群法波谱特征曲线图形识别法平行管道分类动态聚类法第页共页，和法。监督分类监督分类又称训练分类法，是通过选择有代表性的地物类别已知的训练数据来训练分类器，再用训练好的分类器对未知地区影像数据进行自动分类的方法，即用被确认类别的样本像元去识别其他未知类别像元的过程。这种分类方法可以根据实际的目的来决定所分的类别数量，能避免大量的数据冗余结合分类者的实际知识及经验来控制训练样本的选择，能过提高分类精度。非监督分类非监督分类，也称为聚类分析或点群分析。即在多光谱图像中搜寻定义其自然相似光谱集群组的过程，其前提是假定影像上同类物体在同样条件下具有相同的光谱信息特征......”。

7、“.....不需要人工选择训练样本，仅需极少的人工初始输入，依靠影像上不同类地物光谱信息或纹理信息进行特征选取，再统计特征的差别来达到分类目的，最后对已分出各个类别的实际属性进行确认。经过长期发展，目前已形成了近百种不同的监督分类方法。由于非监督分类不需要分析者选择训练样本，只需要其具有对非监督分类所得结果的解释能力，故对分析者的经验要求较低主观因素影响小，在非监督分类过程中只需要分析者预先定义几个参数，如分类数目分类类别等。即使分析者对图像有很强的看法偏差，也不会对分类结果有很大影响，因此非监督分类可以产生比监督分类更均质的图像与监督分类相比，非监督分类不需要分析者对研究区域有很好的了解，因而可以节省大量的人力时间等在非监督分类中，独特的覆盖量很小的类别也能够被识别，而不至于像监督分类中由于分析者的失误造成有用信息的丢失......”。

8、“.....往往其几何纹理的信息丰富，图像地物景观的结构形状纹理和细节等信息都非常突出。由于基于像元的遥感影像信息提取方法存在着不可忽视的弊端和局限，对于高分辨率遥感影像来说，必然会影响分类的精度和数据的利用率。面向对象的分类方法成为种主要的第页共页地面分类的方法，在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息。高分辨率影像的纹理形状结构等细节信息丰富，但其光谱分辨率较低。传统的基于像元的影像分类，主要是根据单个像元的光谱特性，仅局限于对图像低层次的理解，孤立地考虑单个像元的灰度特征，而忽略了更为复杂和丰富的其他地物信息，如地物的空间分布形状尺寸纹理特征，地物之间的拓扑关系以及上下文信息等。因此，在运用传统的基于像元的分类方法对高分辨率影像进行信息提取时，无法得到满意的效果。为了解决这问题，于是，我们提出了面向对象的分类方法......”。

9、“.....更多的是根据像元的形状颜色纹理等几何特征和结构信息，把具有相同特征的象素组成个对象，然后根掘每个对象的特征进行分类。面向对象的分类基本分析单元不再是单个像元，而是更有实际意义的影像对象。影像对象是与像元相对应的影像分析单元，由影像的多尺度分割而形成的由若干个同质像素组成的集合体，对象的大小由分割尺度决定，影像的分类都是基于对象进行的，这样能更好的利用地物目标的几何特征。面向对象的遥感图像分类方法的本质是以对象或基元为分类或检测的最小单元，从较高层次对象层次对遥感图像进行分类，以减少传统的基于像元层次分类方法语义信息的损失率，使分类结果含有为每类地物建立模糊规则如表，并分别赋予相应的类，选择模糊隶属度函数分类器进行分类，在第层上提取行道树，同时在非植被信息中，可提取房屋和道路。第二层首先将植被分为草地和林地两个父类，再分别为浓密草地稀疏草地有林地疏林地四个子类声明样本......”。