طبقه بندی شئ گرای تصاویر ‏‎etm+‎‏ لندست منطقه ملایر بر مبنای شکل و اندازه در شبکه های عصبی مصنوعی

روشهای متداول طبقه بندی داده های سنجش از دور مانند روشهای آماری عمدتا وابسته به خصوصیات طیفی پدیده های زمینی هستند.از آنجائیکه اغلب این پدیده ها از ویژگیهای طیفی پیچیده ای برخوردار بوده و دارای مناطق همپوشانی با یکدیگر هستند، بنابراین زمانیکه این ویژگیهای طیفی به تنهایی بکار برده می شوند، نتایج رضایتبخشی بدست نمی آید.تجربیات نشان داده است که استفاده از داده های کمکی از قبیل :ارتفاع ، شیب و جهت و داده های مکانی مانند شکل ، اندازه و محیط در کنار داده های طیفی می توانند دقت طبقه بندی را افزایش دهند. روش طبقه بندی شی -پایه بدلیل اینکه از هر دو دسته داده های طیفی و غیرطیفی در کنار هم استفاده می کند، نتایج بهتری را به همراه دارد.