1樓：
分類方法有模糊分類。模糊分類是以模糊集合論為基礎，針對不確定事物的分析方法。模糊分類法與傳統分類法不同，它認為乙個像元是可分的，即乙個像元可以是在某種程度上屬於某個類而同時在另一種程度上屬於另一類，這種類屬關係的程度用像元隸屬度表示，通常運用模糊分類的關鍵是確定像元的隸屬度。
去地理國情監測雲平台上面看看吧，上面有很多關於遙感方面的知識。
2樓：咖哩喵
同意樓上，物件導向的方法想做到90以上基本不可能或者是非常難（我指的是亞公尺級），最好的方法還是人工，當然人工也是有技巧的
3樓：張天
根據是否選取樣本：監督分類/非監督分類
根據最小分類單元：物件導向分類/面向像元分類根據分類演算法：K-means/ISODATA等（非監督），神經網路/SVM等（監督）
還有其他劃分標準，不知道題主所謂的方法是指哪方面。
另外：個人淺見，高分（標準不一，暫且認為是1m以內）影像用物件導向監督分類效果較好。
實際應用的話，計算機預分類+人工後處理比較靠譜， @Moon Orange 的說法略悲觀了，非監督分類想達到70%的精度確實不易，監督分類一般問題不大。
4樓：Moon Orange
實際應用中大部分都是建向量檔案手工判讀勾畫邊界設定屬性，例如arcgis.如果想用分類的方法，比如監督分類非監督分類裡面的神經網路二叉樹 kmeans聚類估計效果好正確率也就60%以上以前用tm30m解析度做的大概也就這個效果高分估計更差地物更複雜了物件導向分類也是扯淡發的文章上面說他的演算法正確率超過90%基本上可以說是瞎扯還是老老實實勾吧
5樓：Ronald Wang
在應用上，現在基本上都是手動來鉤。對於這方面的研究還是挺多的，各種方法都有，低解析度的方法基本上都試過，效果肯定不會好，物件導向的方法幾年前比較火，效果也優於其他的。
徠卡鏡頭的解析度能滿足以後的高解析度相機嗎？
大概所有牌子的用家裡面，就leica的用家最不擔心這個問題，因為leica的鏡頭，實打實，就值那個錢，他的鏡頭設計都是非常超前的，他的系統匹配上，也是配合的最好的。leica這個牌子，從來都不玩虛的，就看M系的鏡頭，從最早的到最新的，放到M數碼系統上，沒有表現差的。就拿個35 1.4來說，90年代發...
在實際應用中是不是遙感空間解析度越高越好？
Celia 我覺得還是看具體使用場景和想要實現的目的 需要綜合考慮其他因素 計算資源時間成本尺度問題雜訊特徵性質等需要的話就越高越好 為了更高解析度付出的代價大於其帶來的收益的話是沒有必要的 王海 我認為是好的！越高解析度就包含越多的資訊，能讓你做更多的行業應用，如果不需要這麼高的空間解析度可以做重...
為什麼手機的邏輯解析度低於物理解析度？
因為物理解析度越高，畫素密度就越高，顯示的東西就越清楚。但是為什麼會出現邏輯解析度呢？舉個例子，乙個1920x1080的解析度 常用的台式電腦解析度 一般的顯示器會有24寸，或者27寸那麼大。但是現在許多手機都物理解析度都達到1920x1080那麼高的解析度了，但是要知道手機的螢幕才5寸左右。192...