前面的日志中已经对特征空间已经有了初步的认识（0010：关于特征Features），现再补充要点总结如下：
1、最主要的两类特征：
①object features：单个图斑本身所具有形状、色调等特征，相对独立的特征，不依赖于已经得到的分类结果
注意上图中的“Thematic attributes”，表明专题图层可作为特征参予到分类过程中。但我感觉，要使用“Thematic attributes”有一个先决条件，就是Thematic Layer在分割的时候是起作用的，如果分割的时候专题图层权重为零，可能就不能使用这个特征了，因为分割的时候没有考虑专题图层，很多对象的边界就跨越了专题图层的边界，这样的话，就没法应用“Thematic attributes”了，只是猜测，尚未验证，因为用户手册178页有下面这样一段话，以前对这段话还不太理解，现在想想可能就是这个意思了。
If a thematic layer is not used for segmentation, it consequently is not possible to use the information given by this thematic layer for classification purposes. （用户手册178页、200页）专题图层只有在分割时对分类产生作用，如果分割的时候没有用到它，那么它对分类结果也就起不到什么作用了。
②class-related features
跟在对象网络结构中上下左右邻居的分类结果有联系的特征。Membership to特征据说可以将不同类别的成员函数合并到一个类别中，这个还不太理解，需要用到的时候参考用户手册。
2、特征距离（Feature distance）的概念，也没太搞明白，分垂直距离（不同对象层次间的）和水平距离（同一对象层内的），等用到的时候再查书吧。(东阳何生的读书笔记)
3、面向对象的纹理分析：Object-oriented Texture Analysis
①、利用eCognition预定义好的纹理特征
②、利用类相关特征中的子对象相关特征
③、利用“Texture after Haralick”特征（这个比较费时，因为要计算所谓的“灰度共生矩阵”，对应对象中的每个像素都需要计算一个256×256阶矩阵）（用户手册247页）
4、Similarity to Classes 特征
等同于父子类别间的继承。关于这一特征一个有用的应用，前面的日志中已经提及（0029：Tour 3 分类步骤总结）
inverted similarity = negative inheritance （颠倒的相似性特征等同于负继承）
但是注意：这种颠倒是模糊的，软的。比如：类A is not 类B，not 运算符是“1－模糊值”。在similarity特征是这样一个意思：一个图斑归属于类B的成员函数值是0.25，因为0.25大于默认的最小成员函数值0.1（Minimum Membership Value可以自己设置，默认值是0.1），那么“类A is not 类B”，颠倒之后，这个图斑归属于类A的成员函数值是1－0.25=0.75，更加大于0.1了，所以更加能归类到A。同一个图斑，既可以归属类A，也可以归属于类B，而“类A is not 类B”，这就是模糊逻辑的荒谬之处，是不是觉得挺有趣的？如果这不是你的本意，你是想定义类别B是除了归属于类别A之外的所有图斑，那么就不应该用similarity特征的invert，而应该用“classified as”特征的invert，它不是模糊运算，而是来硬的，非0即1(东阳何生的读书笔记)
下图为设置最小成员函数值的菜单：
★★★★★★★★★★★★★★★★★★★★★
东阳何生®原创出品，转载请注明出处:-)
★★★★★★★★★★★★★★★★★★★★★
