---

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：面向對象分類/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）影像用面向對象監督分類效果較好。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。

---

實際應用中大部分都是建矢量文件手工判讀勾畫邊界設置屬性，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 面向對象分類也是扯淡 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

---

同意樓上，面向對象的方法想做到90以上基本不可能或者是非常難（我指的是亞米級），最好的方法還是人工，當然人工也是有技巧的

---

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，面向對象的方法幾年前比較火，效果也優於其他的。

---

並未發現魯棒性較強的方法，很多方法都依賴調參，不具備普適性，比如神經網路類用幾層一直是個問題，貌似只有一一嘗試

---

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，它認為一個像元是可分的，即一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。

---

推薦閱讀：