多分辨率分割（Multiresolution Segmentation）是一个从下到上的像素聚类合并的过程，从单个像素开始，两两比较相邻的两个对象的相似性，Scale Parameter 就是这样一个衡量一对相邻影像对象的相似性（叫“差异度”也是同样意思）的阈值，大于它的就不合并，小于它的则合并，因此Scale Parameter越大，分割产生的图斑也就越大。Scale Parameter的选择直接决定能否得到一个理想的影像对象分割结果。每次分割的目标都是在保证“全局的异质性”与“局部的同质性”之间找到一个平衡点，Scale Parameter 就是这个平衡点的决定参数。
1、Scale Parameter 应该根据影像数据的位深（bit depth），也就是“数据类型”，作出调整，因为8位256阶灰度图与浮点型影像数据，其像素的灰度值肯定是不一样的，都不是一个数量级上的，所以影像数据的位数多了，水涨船高，相应的Scale Parameter 也应该大一些。（204页）
2、Multiresolution Segmentation 对话框中象 Scale Parameter 等诸多参数设置多少合适？也没有统一的定论，视不同的影像数据而定，分割的时候也只能是摸石头过河，不断尝试，能得到理想的分割结果的参数，就是好的参数。如果整景影像数据量太大，试一次太浪费时间，那么，subset一小块做试验，得到满意参数后再应用到整景影像，不失为一种提高效率的方法。（204页）
3、在三种不同的 Segmentation mode 下，Scale Parameter 的含义是不一样的（见上图）：（东阳何生的学习笔记）
①Normal：通常状态下，及前面讲的用于聚类的阈值。（东阳何生的学习笔记）
②Sub obj.line analysis：专门面向线状地物分析的子对象分割。这就是eCognition自称的为线状地物（道路、河流之类）的提取提供了强有力的工具，是专门为线状地物的提取设计的，它与普通分割的不同点主要体现在：它在分割的时候同时把父对象的边界长度等因素也考虑进去了。Scale Parameter 在此表示子对象和它父对象的最大相对边界长度，其范围在0.5到1之间。Tour 4：Radar image of a tropical rain forest 就是一个利用Sub obj.line analysis进行线状地物提取的例子（见：0030：Tour 4 分类步骤总结）。（东阳何生的学习笔记）
③Spectral Difference：在这种状态下，与其叫“分割”，不如叫“合并”，其作用就是合并光谱值差异在一定阈值内的相邻图斑，Scale Parameter 就是这个阈值。这种状态下的分割只考虑光谱（或叫“色调”、“颜色”都是一个意思），不考虑形状（shape），所以一旦选中这个选项，上图中的“Composition of homogeneity criterion”部分就自动变灰了。
4、Scale parameter analysis 的输出结果是线，能在视图窗口中直观显示，每条线有一个属性就是这条线所分割的两个图斑的Scale Parameter，该结果还能输出成Shapefile格式。对所有的Scale Parameter还能作出统计，并可输出CSV格式的统计结果。（东阳何生的学习笔记）
★★★★★★★★★★★★★★★★★★★★★
东阳何生®原创出品，转载请注明出处:-)
★★★★★★★★★★★★★★★★★★★★★
