非监督分类的概念：

非监督分类，又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识，仅依靠图像上不同地物光谱信息进行特征提取，在统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。

---

 

在ENVI中ISODATA和K-Means两种非监督分类的方法：

ISODATA是一种重复自组织数据分析技术，计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元再进行分类。

K-Means使用聚类分析方法，随机地查找聚类簇的聚类相似度相近，即中心位置，是利用各聚类中对象的均值获得一个“中心对象”来进行计算的，然后迭代地重新配置她们，完成分类过程。

监督分类总体的步骤为：执行非监督分类、类别定义、合并子类和评价结果。

---

 

一、执行非监督分类：

1、ISODATA

在主菜单上选择：Classification>>Unsupervised>>IsoData,在Classification Input File 对话框中选择TM影像数据。单击OK，打开ISODATA Parameters对话框，如图。

主要的参数说明：

1）类别数量范围：（Number of Classes:Max Min ）一般输入的最小数不能小于最终分类数量，最大数量为最终分类数量的2到3倍。Min：6，Max：20。

2）最大迭代数（Maximum Iteration）:15.迭代地次越大，得到的结果越精确，运算的时间也就越长。

3）变换阈值（Change Threshold）:5。每当一类的变化像元数小于阈值时，结束迭代过程。这个值越小得到的结果越精确，运算量也越大。

4）Minimum #Pixel in Class:键入形成一类所需的最少像元数。如果其中的一类小于最少像元数，该类将会拆分成两类。

5）最大分类标准差（Maxium Class Stdev）:1。以像素为单位，如果某一类的标准差比该阈值大，该类将分成两类。

6）类别均值之间的最小距离（Minimum Class Distance）:5。以像素值为单位，如果类均值小之间的距离小于输入的最小值，则类别将合并。

7）合并类的最大值（Maxium # Merge Paris）:2

8）距离类别的最大标准差（Maximum Stdev From Mean）,可选项。

9）允许的最大距离误差（Maximum Distance Error）,可选项。

10）选择文件输出位置，单击OK。执行非监督分类。

结果如图：

---

 

2、K-Means

在主菜单上，选择Classification>>Unsupervised>>K-Means,在Classification Input File中选择TM影像，单击OK。打开K-means Parameters对话框中，设置以下的参数：

1）分类数量（Number of Classes）：一般为最终输出分类数量的2-3倍。

2）最大迭代次数（Maximum Iterations）：迭代次数越大，精度越高。

3）距离类别的值的最大误差（Maximum Stdev From Mean）。此数可选。

4）允许的最大距离误差：（Maximum Distance Error）;可选

5）选择路径，OK执行。

---