基本簡介
監督分類 （supervised classification）又稱訓練場地法，是以建立統計識别函數為理論基礎，依據典型樣本訓練方法進行分類的技術。即根據已知訓練區提供的樣本，通過選擇特征參數，求出特征參數作為決策規則，建立判别函數以對各待分類影像進行的圖像分類，是模式識别的一種方法。要求訓練區域具有典型性和代表性。判别準則若滿足分類精度要求，則此準則成立；反之，需重新建立分類的決策規則，直至滿足分類精度要求為止。常用算法有：判别分析、最大似然分析、特征分析、序貫分析和圖形識别等。研究表明,相較于最大似然法和最小距離法快速提取山區流域的地表覆被信息,支持向量機方法的分類精度更為可靠,更能高效提取高原山區河谷地帶的地物信息。
分類方法的定義
平行六面體法
平行六面體将用一條簡單的判定規則對多光譜數據進行分類。判定邊界在影像數據空間中是否行成了一個N維的平行六面體。平行六面體的尺度是由标準差阈值所确定的，而該标準差阈值則是根據每種所選類的均值求出的。
最大似然法
假定每個波段中的每類的統計都呈現正态分布，并将計算出給定象元都被歸到概率最大的那一類裡。
最小距離法
使用了每個感興趣區的均值矢量來計算每個未知象元到每一類均值矢量的歐氏距離，除非用戶指定了标準差和距離的阈值，否則所有象元都将分類到感興趣區中最接近的那一類
馬氏距離法
是一個方向靈敏的距離分類器，分類時将使用到統計信息，與最大似然法有些類似，但是她假定了所有類的協方差都相等，所以它是一種較快的分類方法。
二值編碼分類法
根據波段值落在均值的上或下方，把數據 波普和端元波普編碼為0或1，異或邏輯函數用來将每種編碼後的參考波普同編碼後的數據波譜進行比較，生成一副分類影像。
波譜角填圖分類法
是一個基于物理的波譜分類法，它是用N維角度将象元與參考波譜進行匹配，此方法将波譜看成是空間中的矢量，矢量的維數就等于波段的個數，通過計算波譜間的角度，來判斷連個波譜間的相似程度。
費歇爾線性判别法
費歇爾線性判别法是一種應用廣泛，具有較高判别能力的多元邏輯概率判别方法，基于費歇爾線性判别法，結合實際數據，構建了高校财務風險判别指标體系和建立了費歇爾線性判别模型，并進行實證檢驗。
