感兴趣目标及对象提取

特征的理解
在两个或多个目标物之间具有差异的属性就是物体的特征（特征属性或特征变量）
特征具有相对性，它是相对两个或多个相互比较的目标物而言

特征提取和选择的目的：区分不同的目标物
就遥感数据处理而言，就是服务于遥感图像分类

特征类型：
原始特征
衍生特征
对于遥感影像：
原始特征：光谱信息
衍生特征：全局性的光谱特征统计变量和局部性的空间特征

进行特征选择的原因：
减小分析特征、训练模型所需的时间很长，模型也会变得复杂，推广泛化能力就会下降。
特征变量过多会引起“维数灾难”，使得识别精度不增反降。

特征选择的标准：
可区分性 可靠性 独立性 数量少

特征组合

特征提取：

光谱特征提取
对多种属性进行某种线性或非线性组合得到指标
方法：主成分变换、最小噪声分离、缨帽变换、植被指数变换

空间特征提取

空间特征属于局部统计变量，反映图像局部的灰度变化、像元组合及其与周边的关系。
类型：纹理特征、形状特征、空间关系特征
注意：空间特征与对象尺度的关系——当图像分割尺度过细时，形状和空间关系特征无法表达
纹理特征：反应图像灰度模式的空间分布
纹理提取方法：统计法（灰度共生矩阵）
灰度共生矩阵的影响因子：
偏移方向
偏移距离
窗口大小
灰度级数 压缩灰度级

灰度共生矩阵的统计变量：
方差、均匀性、对比度、非相似性、信息熵、二阶矩、相关性

形状特征：

形状特征是基于对象的形状进行描述和表达
表达类型：基于轮廓特征 基于区域特征
表达方式：链码、多边形近似法、边界线段法、骨架法
一类：周长、面积、紧致度、形状系数
二类：最小外接矩形描述 圆度、长宽比（延伸性质 放置角度
其他：对象凸出状态 坚固性 空洞比

空间关系特征

拓扑关系
方位关系
距离关系

特征选择与特征组合

特征选择：技术流程、评价指标
流程：子集产生-子集评价*非监督选择和监督选择-评价终止-结果验证

属性评价准则

大体分为两类：关联准则：以分类算法的性能作为选择
独立准则：通过训练样本的内在特征选择
相关性度量
信息度量 联合信息熵
一致性度量
其他度量指标 最佳指数

特征选择：基于先验知识的特征选择

局限性：受限于地形等要素

特征组合：决策树分类体现比较典型