Objektos bāzētā attēlu analīze ir salīdzinoši jauna metode, kas 21. gs. sākumā ir kļuvusi populāra, jo nodrošina labākus rezultātus attēla objektu izdalīšanā, salīdzinot ar tradicionālajām pikseļos (rastra šūnās, raster cells) bāzētajām (pixel-based) metodēm. Metodes būtība ir vektoru grafikas objektu izdalīšana no rastra datukopām (attēliem), izmantojot kādu no reģionu audzēšanas (region growing) algoritmiem, kas grupē kopā attēla šūnas (pikseļus) līdz noteiktu izmantoto vērtību (lieluma, atstarojuma vērtību, tekstūras indikatoru) homogenitātes sliekšņa sasniegšanai. Visi objektos bāzētās attēlu analīzes algoritmi analīzes procesā tiecas sabalansēt iekšējo homogenitāti attēla objektos un heterogenitāti starp izdalāmajiem objektiem. Pēc attēla objektu izdalīšanas tipiski tiek veikta objektu klasifikācija.

Par nozīmīgu notikumu tiek uzskatīta datorprogrammas eCognition izveide 2000. gadā, ko izstrādāja vācu kompānija Definiens AG. Uzņēmuma dibinātājs un programmatūras idejas autors bija vācu fiziķis Gerds Binnigs (Gerd Binnig), kurš 1986. gadā kopā ar šveiciešu fiziķi Heinrihu Roreru (Heinrich Rohrer) saņēma Nobela prēmiju fizikā (Nobel Prize in Physics 1986) par skenējošā tuneļmikroskopa izgudrošanu. eCognition piedāvāja jaudīgus apstrādes algoritmus, ērtu lietotāja saskarni un jaunas funkcijas, piemēram, tekstūras indikatorus, lai uzlabotu attēla objektu izdalīšanu.

Pirms objektos bāzētās attēlu analīzes pašreizējās popularitātes vairums tālizpētē un attēlu apstrādē izmantoja pikseļos bāzētās klasifikācijas metodes, piemēram, maksimālās līdzības (Maximum Likelihood Classification) vai atbalsta vektoru mašīnu (Support Vector Machines) klasifikācijas. Šīs metodes analizē pikseļus individuāli, neizvērtējot to telpisko kontekstu (blakus pikseļu vērtības), un izmanto tikai spektrālā atstarojuma vērtības. Šīs metodes ir efektīvas salīdzinoši zemas izšķirtspējas attēliem (piemēram, Landsat 30 m izšķirspējai), bet producē daudz “trokšņa” (nelietderīgas vai traucējošas informācijas) rezultātus, izmantojot augstas izšķirspējas attēlus.

20. gs. 90. gados, kļūstot pieejamiem komerciālajiem augstas izšķirtspējas satelītattēliem Ikonos un QuickBird, šādu datu pieejamība veicināja attēlu automātiskās segmentācijas pētījumus, kas imitēja cilvēka uztveres likumsakarības, konkrēti – mūsu uztveres spēju sagrupēt attēla pikseļus jēgpilnos objektos, izmantojot pikseļu spilgtuma, krāsas un telpiskā konteksta raksturlielumus.

Kopš tā laika objektos bāzētās attēlu analīzes funkcijas ir tikušas integrētas daudzās datorprogrammās, piemēram, Orfeo Toolbox, ENVI, Grass GIS un Google Earth Engine mākoņskaitļošanas platformā. Arī ārpus Zemes zinātnēm tās ir integrētas programmās MATLAB, ImageJ/Fiji, CellProfiler, kā arī citās zinātnēs un praktiskās darbības jomās, piemēram, bioloģijā, medicīnā, robotikā un datu zinātnē.

Objektos bāzētā attēlu analīze ir mūsdienās populārākā datu analīzes metode tālizpētē, ko izmanto arī inženierijā (piemēram, pašbraucošajos transportlīdzekļos) un mākslīgā intelekta sistēmās (mašīnredzes elementi). Zemes zinātnēs objektos bāzēto attēlu analīzi izmanto zemes seguma kartēšanā, pilsētvides kartēšanā augstā izšķirtspējā un meža platību izmaiņu monitoringā. Lauksaimniecībā to izmanto precīzajā lauku un konkrētu kultūru izdalīšanā, galvenokārt satelītu un bezpilota lidaparātu ievāktajos datos. Dabas aizsardzībā to izmanto biotopu kartēšanā un ainavu telpiskā raksta analīzē, savukārt medicīnā – audzēju atpazīšanā medicīnisko izmeklējumu attēlos. Mūsdienās arvien biežāk objektos bāzēto attēlu analīzi integrē mākslīgā intelekta sistēmās metodes veiktspējas, zemā enerģijas patēriņa un daudzveidīgā pielietojuma dēļ.

Populārākās datorprogrammas, kurās ir iekļautas objektos bāzētās attēlu analīzes funkcijas:

• eCognition (izveidoja Definiens AG 2000. gadā) – komerciāla (slēgtā koda) un ļoti izplatīta programma,
• Orfeo Toolbox (izveidoja Manuels Grizonē, Manuel Grizonnet 2017. gadā) – atvērtā koda programma, integrēta ar QGIS programmu,
• InterImage, iMap, RSGISLib un citas.