eCognition 面向对象图像分类【分类算法介绍】Classification Algorithms

目录

基本分类算法

The Assign Class Algorithm【指向分类算法】

基本描述

适用范围

The Classification Algorithm【特征分类算法】

基本描述

适用范围

The Hierarchical Classification Algorithm【层次分类算法】

基本描述

适用范围

高级分类算法

---

 

基本分类算法

The Assign Class Algorithm【指向分类算法】

基本描述

赋值类算法是最简单的分类算法。它使用一个阈值条件来确定一个图像对象是否属于一个类。

适用范围

该算法适用于单个阈值条件满足的情况。

 

The Classification Algorithm【特征分类算法】

基本描述

分类算法利用类描述（特征）对图像对象进行分类。它计算类描述（特征）并确定一个图像对象是否可以是一个类的成员。

适用范围

基于模糊逻辑应用的隶属函数，或者在类描述中有组合条件（多特征组合），可以使用此算法。分类结果提供最似分类呈现可供你调整分类参数。

The Hierarchical Classification Algorithm【层次分类算法】

基本描述

层次分类算法用于将复杂的类层次结构应用于图像对象层次。该算法可应用于整个层次结构的类集合。它应用一个预定义的逻辑激活和禁用类基于以下规则：

1. 只要类在继承层次结构中包含适用的子类，它们就不会应用于图像对象的分类（基于面向对象的继承特性，父类都是虚类，图像分割后的对象不会划分至父类，只会划分为最末端的子类）。
2. 所有可用的分类特征都只应用于所选的图像对象的分类（限定条件后避免交叉影响）。

适用范围

图像特征复杂且简单的分类方法不易区分，需要经过多层次的分解才能较好的区分图像对象时，可选用本算法。

高级分类算法

高级分类算法被设计用来执行特定的分类任务。现有算法如下：

1. 全局极值（最大值最小值）条件查找分类
2. 局部极值（最大值最小值）条件查找分类
3. 查找完全由某个类所包含的图像对象作为一个分类
4. 查找完全被图像对象包围的对象作为一个分类
5. 连接器分类：根据类的链接特征分类
6. 切面叠加分类：通过与其他对象的重叠切面特征分类
7. optimal box (Prototype)原型优选：基于训练样本为所选分类得到最优分割特征，同时为分类生成相应的隶属度函数实现分类。
8. classifier分类器：基于样本的训练特征分类包括：贝叶斯（Bayes）、K临近（KNN）、支持向量机（SVM）、决策树（Decision Tree）、随机森林（Random Tree）