二元分类利用遥感图像中各类地物光谱信息和空间信息，通过深度学习算法对遥感图像中的某一类地物要素进行分类，并判定影像的像元是否为兴趣类别，并生成值为 0、1 的二值栅格数据，0 为非兴趣类别，1 为兴趣类别。
二元分类功能在像元级别细粒度解译影像，栅格结果灵活性较高，可以通过后一系列后处理步骤优化分类结果，可将结果的栅格数据转化成矢量数据，进行进一步的分析。
二元分类通常用来获得道路、河流和建筑物等特点明显的单一地类，可以通过像元计算兴趣类别的位置、边界和面积等信息。
主要参数
- 功能入口 ： 工具箱 -> 机器学习 -> 影像分析 -> 二元分类 工具。
- 数据源/数据集：选择需要进行分类的影像或栅格数据。
- 模型文件：选择二元分类的模型文件（*.sdm）。
- 切片重叠（像元）：在二元分类过程中，由于卷积神经网络的结构特征，会导致切片边缘的数据预测不充分，为使了提高预测质量，需要将切片重叠。此参数以像元为单位，一般为兴趣类别平均大小的 2~3 倍。 。
- 结果数据：即二元分类的结果栅格数据集，设置结果数据集保存的数据源和保存名称。
- 运行：单击对话框中的 运行 按钮，即可执行二元分类操作，此时，Python 窗口会显示功能执行的进度信息。
下图为某地区的建筑物二元分类结果，可以通过栅格统计等功能计算建筑物面积；针对图中相对离散的建筑物，还可将提取结果自动矢量化成建筑矢量面，从而得到每栋建筑的位置和矢量边界等信息。
