本软件旨在高效率、高精度的实现无人机遥感图像面向对象的分割与分类，并实现监督分类训练样本采集、分割分类结果的一键导出功能。软件通过编译skimage for python的merge_hierarchical函数实现图像的多尺度分割，以实现面向对象的超像素区域分割功能。再通过输入合适的训练参数，可实现图像非监督聚类与合并、样本采集与图像监督分类。监督分类方法中，软件集成有传统的支持向量机与随机森林分类工具，并引入了多种优化方法，可实现机器学习方法训练参数的自动寻优。针对传统机器学习分类器分类性能差等问题，本软件引入了基于BP神经网络的分类方法，为无人机遥感图像的分割与分类提供了一种操作简单、运行稳定且性能优异的软件。
图像的分割与分类是无人机遥感图像处理中极为重要的环节，传统基于像元的分割方法易受图像噪声干扰，分割结果难以满足当前面向对象的图像处理需求。而分割处理后，常用的机器学习与人工神经网络分类算法训练参数的筛选过程极为繁琐，往往依靠大量的数据处理经验也无法快速完成参数的最优筛选。因此，开发一款具备面向对象分割能力，且具有分类参数自动寻优的软件十分必要。本软件基于MATALB APP Designer与Python平台开发，能够实现面向对象的图像分割，并能利用多样化的参数寻优算法实现无人机遥感图像的精确分类。

(1) 定义工作空间，导入用户需处理的无人机遥感图像与训练样本；
(2) 根据用户输入的分割参数，实现SLIC超像素分割与SLIC多尺度分割；
(3) 根据用户输入的聚类参数，实现图像K-means聚类与聚类结果的合并与输出；
(4) 监督分类训练样本的采集与输出；
(5) 根据用户输入的训练样本，实现SVM、RF与BPNN多种分类器的图像监督分类；
(6) 根据用户输入的寻优参数，实现分类器训练参数的自动寻优；
(7) 输出分类结果图像、分类索引图与颜色表。