1.打开自定义特征对话框

—Tool->Manage Customized Features 或者工具栏上

1.Variables

—【name of a scene variable】

2.Class-Related

—【Number of classified objects 】在所有对象等级水平上属于某类的数目；

—【Number of samples per class】在所有对象等级水平上的某类的样本数；

—【Area of classified objects 】在所有对象等级水平上的某类的绝对面积（像素单位）；

—【Layer mean of classified objects】C类k层均值；

—【Layer stddev. of classified objects 】

类相关特征，描述分类后可能会用到的类间关系

1.Relations to Neighbor Objects

—【Existence of 】逻辑属性，返回值为0或1，对象V邻域d内是否有类C存在；

—【Number of 】对象V邻域d内属于类C的对象数目；

—【Border to 】对象V与周围属于类C的对象的公共边长，如果数据是地理实际编码数据，则为实际边长，否则为像素单位1；

—【Rel. border to 】Border to 特征所得边长与对象V的边长比值，若为1，则V完全被C类包围；

—【Rel. area

Hierarchy 等级特征用于描述单个对象与整个层次上的关系。

—【Level 】表示该对象所处的分割层次，如果想要在不同的等级上定义对象，就需要该特征，默认的等级值从1开始，从低向上递增，每次分割都可能会改变几个层的值，最好先建立好分割层再应用该属性；

—【Number of higher levels 】对象V所在等级高的等级数目，与该对象可能具有的父对象数目相同；

—【Number of neighbors】与对象同层的直接相邻（共边）的对象数目；

—【Number of subobjects 】对

1.Remove Objects ：在算法作用域中，将某类对象与其具有最大公共边界的对象合并；

2.Merge Region ： 将算法作用域中的所有某类对象合并；

   —【Fusion Super Objects 】合并对象是否考虑父对象的边界；

   —【Use Thematic Layers 】合并对象后是否保持专题图层的边界，该专题图层需应用在原始分割中；

3.Grow Region ：在对象域中的对象作为种子，融合参考类中的相邻对象；

纹理特征建立在子对象基础之上，这就意味着，必须有一个对象等级架构去使用他们，精确的分割是使用形状纹理特征的基础，子对象的分割要尽量有意义
1.考虑子对象光谱特征的纹理
2.考虑子对象形状特征的纹理
3.基于灰度共生矩阵的纹理

1.Layer Value Texture Based on Subobjects

—【Mean of sub-objects: stddev】子对象均值标准差，对象分割的子对象更隔阂，则该特征更有意义；

—【Avrg. mean diff. to neighbors of subobjects】通过一个对象内部 子对象在某一

1.Generic

—【Area】面积，与实际地理坐标相关连，对象面积为实际面积，一个像素所代表面积乘以像素数目；若不相关，则像素单位为1；

—【Asymmetry】非对称，对象近似椭圆的长轴与短轴之比，形状越狭长，非对称越大；

—【Border index】对象的真实周长与该对象最小包围矩形的周长之比，对象形状越不规则，该特征越大；

—【Border length】对象的边长，若图像与地理坐标不相关，则像素单位为1；

—【Compactness】紧密度，与【Border index】

1.Mean(平均值)

—【name of layer】对象V的k图层均值；

—【Brigthness】对象v上定义为亮度图层的平均值之和取均值，至少要有一个图层被选为亮度层；选择图层用于计算亮度：Classification > Advanced Settings > Select Image Layers for Brightness ；

1.or(max):返回所包含条件式中的最大值；

2.mean(arithmetic):数学平均值，取所有成员函数值的均值；

      易康所提供的SEaTH 方法主要用来对选定样本的训练区做特征分析，从而找出各类别间的最佳分类特征及最佳分离值，下面是它的原理。

训练区要求：1.代表某一地类；2.具有典型特征。

假设条件：该地物特征符合正态分布，如果对象特征分布不符合正态分布规律，那么该特征分离性差，不拿来做分类考虑。类C1和C2某特征分布图：