随着遥感技术的发展,遥感影像的分辨率也越来越高,这些高分辨率图像在土地利用、资源调查、环境监测等方面地应用也越来越广泛。与普通的遥感影像相比,高分辨率影像具有更丰富的空间信息。采用传统的基于像元的分类方法,如监督分类、非监督分类,已经无法满足对高分辨率图像的分类要求,使分类结果精度降低。在本次试验中,作者利用基于面向对象分类方法的eCognition软件对高分辨率遥感影像进行分类,并与利用最大似然法对同一幅影像进行分类的效果进行对比,证明面向对象分类法的优越性。虽然在目前,面向对象分类方法在一些方面得到了应用,但是在岩溶区地物分类上涉及较少。本次实验区选在桂林寨底地下河流域,这一西南典型岩溶区。首先,面向对象分类方法与传统分类方法的最大区别就是把影像分割加入到分类过程中。分割就是将影像划分为一个个大小不等、互不相交的多边形的过程,这些多边形区域具有相同的光谱特征,并拥有共同的属性。在分割过程中,可以设置不同的分割参数来获得不同的分割效果。其次,eCognition软件提供了建立类层次结构的功能。它不仅可以对地物进行初次分类,还可以在此基础上对某类地物进行细分。这种类层次结构所建立的关系属于父子类的关系,子类继承父类的特征和属性。基于以上这些功能和特点,eCognition可以把地类划分得尽量详细,并且不同的类别之间不会相互干扰。在自动分类结束之后,可以对影像上的地物类型进行手动修改,使分类结果更符合客观事实。在试验中,利用一种具有普遍性和代表性的监督分类方法——最大似然分类法对同一研究区影像进行分类,并把两种分类结果进行比较。发现传统的基于像元的分类方法在对高分辨率影像的分类中具有诸多的局限性,误分、椒盐现象都比较严重。而面向对象分类方法的分类精度高,地类连续性好,边界清晰。在最后的精度评价中,面向对象分类方法的精度也高于最大似然法的分类精度。实验结果表明,eCognition能够对道路、居民地、耕地以及在不同岩性环境下生长的植被都能够做出比较准确的区分。与最大似然法相比较,面向对象分类方法在对岩溶区高分辨率影像的分类中具有较大的优势。相信随着其理论、算法的不断完善,面向对象分类方法必将有着巨大的发展潜力和良好的发展前景。