在ENVI/IDL环境中，如何实现遥感图像的面向对象分类，并通过该分类方法提取城市地物信息？

面向对象分类是遥感图像处理中一种先进的分类方法，它不仅仅考虑了像素的光谱信息，还融合了像素的空间信息和地物的纹理特征，非常适合用于城市地物信息的提取。在ENVI/IDL环境中实现面向对象分类的步骤如下：

参考资源链接：[遥感图像信息提取：监督分类与决策树方法](https://wenku.csdn.net/doc/1i060i1evg?spm=1055.2569.3001.10343)

1. 首先，需要准备合适的空间分辨率的遥感图像数据，例如高分辨率的多光谱或全色影像。
2. 使用ENVI软件打开遥感图像，并进行预处理操作，如大气校正、几何校正等，确保数据质量。
3. 利用ENVI的面向对象分类工具（如Object-Oriented Classification tool），开始进行影像分割。这一步骤是将具有相似光谱和空间特征的像素聚合为一个对象，通常通过设置合适的分割尺度和形状、紧凑度参数来完成。
4. 分割完成后，根据城市地物的特征，选择合适的特征集，包括光谱特征、纹理特征和形状特征等，对分割后的对象进行特征提取。
5. 使用预先定义的城市地物分类体系，将对象根据其特征与样本数据进行比较，应用分类规则，完成分类任务。
6. 分类后，利用ENVI的后处理工具对分类结果进行优化，例如滤波和聚类分析，提高地物分类的精度。
7. 最后，对分类结果进行评估，可以使用混淆矩阵或其它精度评价方法来检验分类精度。
为了深入理解面向对象分类的原理和应用，我推荐您参考《遥感图像信息提取：监督分类与决策树方法》这份白皮书。该资料详细介绍了遥感图像信息提取的技术，包括ENVI/IDL平台的应用，能够帮助您更好地掌握面向对象分类以及其它相关知识，对于提升遥感图像信息提取能力大有裨益。

参考资源链接：[遥感图像信息提取：监督分类与决策树方法](https://wenku.csdn.net/doc/1i060i1evg?spm=1055.2569.3001.10343)