eCognition最邻近方法分类

最邻近分类，是eCognition里比较简单的分类方法。前面已经说过的步骤不再详述，大体就是在分类之前要选择合适的尺度进行分割，创建类别。还需要的是对每一个类别选择需要训练的样本，选择Samples里的Select Samples，左键点击类别树里的类别，然后双击选择分割后的分割区，选择多个分割区作为分类样本，依次对各个类别选择样本。

最邻近分类我应用到的就是Nearest Neighbor三部曲：

1. 首先挑选分类需要的规则，是根据光谱特性，纹理特征或形状特点等特征规则进行分类，所以选择适用于图像的合适的规则是很有必要的，所以首先选择的是Feature Space Optimization，左框选择需要进行分类的类别，右框选择要素，设置该分类的图层，所需的要素个数的最大值。点击计算，稍等以后在左下区会有最优分类要素的可分离距离，及最优的分类要素的个数，点击Advanced可以看到各种个数的要素所对应的要素和可分离距离。记下最优用于分类的几种要素。

2. 点击Edit Standard NN Feature Space 选择刚刚的几种要素。

3. 点击Apply Standard NN To Classes 左框中选择要应用的类别（应该和1中的类别选择相同），把这些分类要素应用于这些类别。

以上做完了以后，右键点击所应用的类别，选择Edit会看到刚选择的要素显示在该类别的Contained中。

后续是要进行分类，在过程树中添加Classification过程，设置Active classes中需要分类的类别（和1.2中保持相同）点击运行则输出运行结果。

导出分类结果，是使用export classification view导出分类结果图，设置各种参数可以参考帮助文档。