(1)最近邻NN分类(基于样本分类)
eCongnition中利用NN分类,需要选定训练样本并指定一个特征空间,该特征空间是固定的,包含一个或多个特征参数,可以应用到一个或多个类中。例如,定义了特征空间A,A中包括平均值,几何,纹理等特征参数,如果应用到B类,则在B类描述中可以看到该特征空间。
eCongnition提供了两种最近邻分类器
Nearest Neighbor (NN): 特征空间可以定义每个单个类的独立性
Standard Nearest Neighbor (standard NN):标准最邻近的特征空间对整个工程和所有类在标准最邻近表达式分配中是有效的。标准最邻近(standard NN)是非常有用的,因为在大多情况下的当在同一个特征空间操作对类的分割仅仅使有意义。eCognition中的NN分类与KNN的区别:
KNN中当K=1时,是一中近似NN的分类方法,主要区别在于,NN输出的membership value,即隶属度值
(2)规则分类
eCongnition中只使用规则进行分类,则对于不同的类可以指定不同的规则,例如利用阈值,隶属度函数对特定类别进行设置,然后根据规则对影像对象进行分类。
References:
http://blog.sina.com.cn/s/articlelist_2515847783_0_1.html