（1）最邻近分类

最邻近分类方法是对影像对象进行分类，但是必须利用给定类别的样本在特征空间中进行。每一个类都定义样本和特征空间，特征空间可以拼凑配合任何想要的特征。初始的时候，选用较少的样本，进行分类，如果出现错分的情况，就增加错分类别的样本，再次进行分类，不断优化分类结果，直至分类结束。最邻近法运算法则为：每一个影像对象在特征空间中搜索最接近的样本对象，假如一个影像对象最近的样本对象是隶属于C类，那么这个影像对象将会被归类于C类，下面是它的算法公式：

  d=其中：d是指距离，在样本对象s与图像对象o之间相隔或间隔的长度； 为样本对象的特征f的特征值； 为图像对象的特征f的特征值； 为特征f值的标准差。

（2）决策支持的模糊分类

这种分类方法运用继承机制、模糊逻辑概念和方法以及语义模型，建立用于分类的决策知识库。起初先是建立分类层次，而这些分类层次必须是不同尺度的。接着还需要在每一层次上分别对对象的纹理特征、光谱特征等多种特征进行定义。经由定义许多特征还有指定不一样的权重，每个对象隶属于某一类的几率要需要提供出来，创建分类的准则，并按照最大概率的原则，先在大尺度上分出“父类”，再按照实际的需要对要用的地物在小尺度上定义特征，分出“子类”，最后有关分类的结果由此产生和确定。

总的说来，假设只用一个特征或者相对不多的特征就可以将一个类与其他类分辨识别开来时，应用决策支持的模糊分类方法；如果不是这样，那么就可以使用最邻近分类方法，因为比起成员函数，最邻近分类器能够更加优秀地处理多维特征空间的联系。

4。高光谱图像分类研究

   遥感图像的分类方法在上文提到过：监督分类下的平行六面体法，最小距离法，马氏距离法，光谱角填图法，最大似然法，非监督分类下的ISODATA法(迭代自组织数据分析技术)，K-means法，还有一些新方法如模糊数学方法，专家系统方法，不过待于完善，他们还没有达到使用的阶段。现在流行的分类方法就是基于地物的光谱特征不同而产生的统计模式识别算法和基于距离的判别算法。来:自[优.尔]论,文-网www.youerw.com +QQ752018766-

4。1分类方法实现

下面我们来详细介绍一下距离判决函数，SAM方法和它的分类效果。想要建立距离判决函数，其前提就是是以地物的光谱特征在特征空间中是按集群的方式分布，它的基本思想是设法计算某随机特征点到有关（） （本文的类别运用都是在ENVI软件ROI 基础上）集群之间的距离，特征点的类属由特征点最接近哪类来决定。我们拿理想的情况来分析是不难理解的，理想情况下，ROI中的所有像素点在某各个波段下的平均值应和一个随机的本属于该类的特征点的特征值是完全相同的，因此它到该类的距离应该是零。实际情况下，这个距离虽然不能做到为零，但它应该接近于零。如果我们想要实现分类的目的，则可以通过把到该类距离最小的随机特征点归为该类的方法来达到，从而。概率判决函数偏重于集群分布的统计特征，而距离判决函数却不同，其偏重于几何位置，而是。几何位置的概念做如下解释：图4。1表示一个二维空间下的点集合(集群)