ENVI包括了ISODATA和K-Mean两种非监督分类方法。

ISODATA（Iterative Self-Orgnizing Data Analysize Technique）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，对像元进行再分类。

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所获得一个“中心对象”（引力中心）来进行计算的，然后迭代地重新配置他们，完成分类过程。

非监督分类总体上一般可分为4个过程：执行非监督分类、类别定义、合并子类和评价分类结果。

 1

1）执行非监督分类

下面以TM图像为例介绍非监督分类操作过程。

由于ISODATA和K-Mean参数设置不同，就两种分类方法分别介绍。

1. ISODATA

   在Toolbox工具箱中，双击Classification/Unsupervised Classification/IsoData Classification工具，在Classification Input File对话框中，选择分类的TM图像文件，单击OK按钮，打开ISODATA Parameters对话框，下面设置ISODATA Parameters对话框中的参数。

（1）类别数量范围（Number of Classes:Min,Max）：一般输入最小数量不能小于最终分类数量，最大数量为最终分类数量的2~3倍。Min：5，Max：15。

（2）最大迭代次数（Maximum Iterations）：15.迭代次数越大，得到的结果越精确，运算时间也越长。

（3）变换阈值（Change Threshold）：5.当每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）Minimun#Pixel in Class：键入形成一类所需的最少像元数。如果某一类中的像元数小于最少像元数，该类将被删除，其中的像元被归并到距离最近的类中。

（5）最大分类标准差（Maximum Class Stdv）：1.以像素值为单位，如果某一类的标准差比该阈值大，该类将被拆分成两类。

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

（7）合并类别最大值（Maximum#Merge Pairs）：2。

（8）距离类别均值的最大标准差

（Maximum Stdev From Mean）：为可选项。筛选小于这个标准差的像元参与分类。

（9）允许的最大距离误差（Maximum Distance Error）：为可选项。筛选小于这个最大距离误差的像元参与分类。

（10）选择输出路径及文件名，单击OK按钮，执行非监督分类。

2.K-Means

在Toolbox工具箱中，双击Classification/Unsupervised Classification/K-Means Classifi-cation工具，在Classification Input File对话框中，选择分类的TM图像文件，单击OK；打开K-Means Parameters对话框，下面设置K-Means Parameters对话框中的参数。

（1）分类数量（Number of Classes）：15.一般为输出最终分类数量的2~3倍。

（2）最大迭代次数（Maximum Iterations）：10。

迭代次数越大，得到的结果越精确，运算时间也越长。

（3）距离类别均值的最大标准差Maximum Stdev From Mean）：为可选项。筛选小于这个标准差的像元参与分类。

（4）允许的最大距离误差（Maximum Distance Eror）：为可选项。筛选小于这个最大距离误差的像元参与分类。

（5）选择输出路径及文件名，单击OK按钮，执行非监督分类。

非监督分类结果：

背景值可以通过裁剪去除；

执行非监督分类之后，获得了一个初步的分类结果，需要进行类别定义和合并子类的操作。

第一步类别定义

类别定义的根据可以通过更高分辨率图像上目视解译获得，也可以是基于野外实地调查数据。

（1）打开目视解译底图并在视窗中显示（如果有）。

（2）打开TM非监督分类结果图像并在视窗口中显示。

（3）在图层管理器（Layer Manager）中，在Classes上右键选择Hide All Classes菜单，之后勾选Classl，只显示一个分类类别，通过目视判别该类的名称。

（4）在Toolbox工具箱中，双击Raster Management/Edit ENVI Header工具，在文件输入对话框中选择TM非监督分类结果。

（5）在Header Info面板中，选择Edit Attributes-→Classification Info，按照默认单击OK按钮，打开Class Color Map Editing面板。

（6）在Class Color Map Editing面板中，选择对应的类别，在Class Name中输入重新定义的类别名称，同时修改显示颜色。

（7）重复（3）~（6）步骤，定义其他类别。

提示：由于NVI5.1版本中每次修改图像头文件信息后自动关闭图像，因此最好在步骤（3）中把所有的分类都判读后，在Class Color Map Editing面板中修改分类名称和颜色。

第二步合并子类

在选择非监督分类类别数量时候，一般选择最终结果数量的2~3倍，因此在定义类别之后，需要将相同类别合并。

（1）在Toolbox工具箱中，双击Classification/Post Classification/Combine Classes工具。

在Combine Classes Input File对话框中，选择定义好的分类结果，单击OK按钮，打开Combine Classes Parameters面板。

（2）在Combine Classes Parameters面板中，从Select Input Class中选择合并的类别，从Selecct Out Class中选择并人的类别，单击Add Combination按钮添加到合并方案中。合并方案显示在Combined Classes列表中，在Combined Classes列表中单击其中一项，可以从方案中移除。

（3）合并方案确立之后，单击OK按钮，打开Combine Classes Output对话框，在Re-move Empty Classes项中选择“Yes”，将空白类移除。

（4）选择输出合并结果路径及文件名，单击OK按钮，执行合并。

评价分类结果的过程与监督分类的方法一样，可参考前面监督分类评价的内容，这里不再赘述。

最系统的ENVI，含土地利用、植被指数、耕地监测、水质反演、温度反演、干旱监测专题