1.概述
 主要采用聚类分析的方法进行图像分类，主要过程如下：
（1）确定最初类别数和类别中心；
（2）计算每个像元多对应的特征矢量与各聚类中心的距离；
（3）选与其中心距离最近的类别作为这一矢量(像元)的所属类别；
（4）计算新的类别均值向量；
（5）比较新的类别均值与原中心位置的变化，形成新的聚类中心；重复2，反复迭代；
（6）如聚类中心不再变化, 停止计算。
    核心问题：初始类别参数的选定，以及它的迭代调整问题。

2.初始类别参数的选定
    初始类别参数是指：基准类别集群中心（数学期望Mi)，以及集群分布的协方差矩阵i。
（1）像素光谱特征比较法；
（2）总体直方图均匀定心法；
（3）最大最小距离选心法；
（4）局部直方图峰值定心法；
（5）累积分布直方图法。

3.ISODATA法
    迭代自组织数据分析技术（ISODATA，Iterative Self-Organizing Data Analysis Technique）。在初始设定基础上，在分类过程中根据一定原则不断重新计算类别总数、类别中心，使分类结果逐渐趋于合理，直到满足一定条件,分类完毕。
    ISODATA is iterative in that it repeatedly performs an entire classification (outputting a thematic raster layer) and recalculates statistics. Self-Organizing refers to the way in which it locates clusters with minimum user input.

3.RGB聚类
    RGB clustering is a simple classification and data compression technique for three bands of data.  It is a fast and simple algorithm that quickly compresses a three-band image into a single band pseudocolor image, without necessarily classifying any particular features. The algorithm plots all pixels in 3-dimensional feature space and then partitions this space into clusters on a grid.