首先，我们得先搞清楚什么是监督分类？什么是非监督分类？
监督分类是需要学习训练的分类方法，需要自己选择样本，需要先学习后分类；非监督分类不需要人工采集地物样本点数据，多是通过聚类的方法来自动分类，可以边学习边分类。
监督分类：又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。
非监督分类：以不同影像地物在特征空间中类别特征的差别为依据的一种无先验类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。
1.监督分类前一般需要做非监督分类来对比监督分类的结果。
可以看到非监督分类有isodata 和kmeans两种方法
注：iSODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作。我们可以选择这个优化的方法来非监督分类一下。
显示isodata办法，number of class 填写你估计有多少类（一个区间）；maximum iterations 填写迭代次数。迭代次数一般到效果差不多时停止。这里我们选取迭代5次进行停止运算
结果
2.
2.监督分类
监督分类的方法有
我们一般采用最大似然法maxiumn likelihood；即为假定每个波段中的每类的统计都呈现正态分布，并将计算出给定象元都被归到概率最大的哪一类里。缺陷是如果波段相关性大，那么效果不好。
好了，进入正题，我们用标准假彩色打开图像。监督分类是一个先训练后干活的方法，所以我们先搞个训练样本出来。在大窗口TOOls--.>roi-->
在大窗口左键画图右键结束 如图
在roi列表里 我们可以改变该地类颜色和名字，山地可以改为thistle
以此类推，我们添加几种地类兴趣样本
保存--roi框里的file--save roi--selecet all items 全选 选择保存地址。
打开最大似然法 选择roi点
可以看到上图 分类效果，其实不怎么样；因为我们采取了标准模式
接下来，上个小tips
打开原roi列表窗口
打开图中所示
这一步是端元提取可以起到提纯作用
选波段 然后option --show
start 调速度 stop 停止
勾选同一颜色集中区域导出
删除原roi 保存roi 在在最大似然法打开
最后结果出图
设置边框
添加map key
加上比例尺，指南针
3.后处理
目的减小噪声
选取图层，默认选项点击完成就好
另外最后可以进行一下验证
这就是监督分类和后处理的大致流程。后期将推出实战，广州影像监督分类后处理及出图
