1、对多变量图像,不能孤立地根据个别变量的数值进行分类，而要从整个向量的数据特征出发，

即根据像元点在多维特征空间中的位置及聚集情况，或者说根据空间集群的分布进行分类。

2、一个集群(类)在特征空间的位置用它的均值向量表示，即该集群的中心。

其离散程度用标准差向量(均方差向量)或协方差矩阵来衡量。

3、分类的实质是把多维特征空间划分为若干区域(子空间)，每个区域相当于一类,即位于同一区

域内的像元点归属于同一类。分类或划分区域范围的标准可以概括为两种方法。 种方法是由

每类(或集群)的统计特征出发,研究它所应该占据的区域。例如，以每一类的均值向量为中心,把在

几个标准差范围内的点归人一-类。这个圈定范围的标准比较生硬,而且往往会造成类与类之间的

互相重叠。第二种方法是由划分类与类之间的边界出发，建立边界函数或判别函数，通常称为判

别分析。