最大似然判别分类：目前应用最为广泛的监督分类方法就是最大似然法，大家也可以称之为贝叶斯分类法。这种方法是一种分线性的分类方法，以归属某类的概率最大或最小错分为原则进行判别。当各个类别在特征空间任何方向的投影都分不开时，采用线性判别的处理方法完全没有效果，必须在特征空间建立分线性分类边界才有获得理想效果的可能。因为这样所以最大似然法往往可以获得令人满意的不俗效果。

3。2。非监督分类

   非监督分类是指依靠遥感影像地物的光谱特征分布规律进行盲目的分类，前提是是人们一开始对分类的过程不施加任何的先验知识。

其分类的结果不尽如人意，只是对不同的类别做到了分辨其区别，但是对于类别的属性我们还是不得而知。分类完成后，想要确定其类别的属性，我们可以使用几种方法，比如目视判读或者实地调查。非监督分类说起来还有另一种叫法：聚类分析。监督法是先进行学习后进行分类，一边学习一边分类的非监督法与之不同，相同的类别也是通过学习找到的，后面提及几种非监督分类方法。

3。2。1非监督分类方法

   1。K-均值聚类法：聚类准则是使每一聚类中，多像元点到类别中心距离的平方和最小。经由迭代逐步渐渐移动各类的中心是它的基本思想，一直到获取最优秀理想的聚类结果为止。然而这种算法的结果会受到许多因素的影响，调配整顿类别数量的办法在迭代过程也没有体现出来，所以这种方法有一个不太令人满意的巨大缺陷，那就是可能造成不同的初始分类会得到不一样的结果。

2。ISODATA算法聚类分析：首先大家都知道这是一种动态聚类办法，为了向一个队的聚类接近，我们需要事先将一个初始聚类提供出来，接着再三重复改动纠正聚类，对此我们不得不接着选取迭代的方法来完成这一点。这种算法与K均值算法的区别：（1）K均值算法是从头再一次运算各类样本的均值，如果一个样本的类别被我们改动，然而这种算法却是在运算各类样本的均值之前，我们就必须把全部的样本都调整完成才可以这么做；（2）如果想要达到样本的聚类分析这一目的，那么ISODATA算法显然可以通过改动样本所属类别来做到，而且就连类别的分裂与合并它也可以自己主动的实现，最后因为这样获取到的聚类结果中的类别数也会相当的合理。

3。平行管道法：这种算法的根基就是地物的光谱特性曲线，而它判断的准则是通过大胆假设同类地物的光谱曲线是相似的这一前提来实现的，试探法就是这种聚类方法的实质。

3。4面对对象分类

   面对对象的遥感影像分类方法在对信息提取进行时，像元再也不是它处理的最小单元了，包含有相当多的语义信息的多个邻近像元组成的影像对象，对象的几何信息与影像对象之中的语义信息、纹理信息和拓扑关系在分类时会被更加频繁的使用，而不再只是单个对象的光谱信息。面对对象的分类方法先是对遥感影像实行分割，就会获取同质对象，接下来再按照遥感分类或者目标地物提取的详细要求，检查和提取对象地物的多种特征（如阴影、纹理、光谱、空间位置形状以及相关布局等），对遥感影像进行分类和对地物目标的提取可以使用模糊分类方法。

3。4。1面对对象分类方法

   多尺度影像分割完成之后，整个影像被分成不同尺度的影像对象，每个影像对象有各自的属性。不同尺度的分割结果构成了不同的影响层，层与层之间存在着逻辑上的联系。面向对象分类中，对于分割结果的分类有两种方法。文献综述