分形网络演化方法1. 原理分形网络演化方法( fractal net evolution approachFNEA) 是目前广泛应用的一种多尺度分割算法，也是目前流行的面向对象影像分析技术的基础及核心内容，这种分割方法是由Baatz M.和Schape A.于2000 年首先提出的，该算法目前已作为其核心分割算法应用到商业遥感软件eCognition 中，得到了较好的应用效果。FNEA算法利用模糊子集理论提取感兴趣的影像对象，在感兴趣的尺度范围内，影像的大尺度对象与小尺度对象同时存在，从而形成一个多尺度影像对象层次等级网络。其基本思想是基于像素从下向上的区域增长的分割算法，遵循异质性最小的原则，把光谱信息相似的邻近像元合并为一个同质的影像对象，分割后属于同一对象的所有像元都赋予同一含义。影像分割过程中对影像对象的空间特征、光谱特征和形状特征同时进行操作，因此生成的影像对象不仅包括了光谱同质性，而且包括了空间特征与形状特征的同质性。2. 异质性准则定义异质性准则就是每次合并时都要计算合并前后两个对象的异质度，使得在分割的过程中每个对象合并时的原则是让整体异质性最小的
