多元分析工具主要用于完成遥感影像图的分类问题。
平时对遥感图像的处理主要在ENVI软件中实现，因此此处仅做大概介绍。
1.ISO聚类：
ISO（Interactive Self-organization）聚类，即迭代式自组织聚类方法，是最常用的非监督分类算法。
ISO聚类工具是使用ISODATA（Interactive Self-organization data analysis and techniques algorithm）算法来确定多维属性空间中像元自然分组的特征，并将结果储存在ASCII文件（改文件用于存储感兴趣的每个类或聚类的多元统计信息）中，但不产生分类结果。
选择【系统工具箱→Spatial Analysis Tools→多元分析→ISO聚类】工具，进行相关设置，可以使用记事本工具打开生成的特征文件。
类数目：是指聚类过程中可能产生的最大聚类数；迭代次数：是指系统迭代运算的次数，该值应该足够大，以保证像元从一个类迁移到另一类的次数最少，从而使所有的聚类变成稳定状态。迭代次数随着类数目的增加而增大。最小类大小：是指一个有效类多包含的最少像元数；采样间隔：是指相邻零次采样的空间间隔，若间距过大会造成重要信息的损失，若间距过小会增加系统计算量。
2.最大似然分类：
最大似然分类是基于贝叶斯准则的分类错误概率最小的一种非线性分类算法，也是比较常用的一种监督分类算法。
在最大似然分类工具中需要特征文件。
选择【系统工具箱→Spatial Analysis Tools→多元分析→最大似然分类】工具，进行相关设置。
–输入特征文件：输入所需的特征文件；
剔除分数：将因最低正确分配概率而得不到分类的像元部分。默认值为0；先验概率权重：包括三个选项，EQUAL表示所有的类都有相同的概率；SAMPLE表示先验概率依据输入的特征文件中的每个类别的像元与所有类型的像元成正比；FILE表示从输入的ASCII文件中分配先验概率，选择该项下面的输入概率权重才被激活；输出置信栅格：会以14个置信度显示分类确定性的输出置信栅格数据集，其中，值越低表示确定性越高。
3.ISO聚类非监督分类：
ISO聚类非监督分类是上面两种工具的集成。
选择【系统工具箱→Spatial Analysis Tools→多元分析→ISO聚类非监督分类】工具，进行相关设置。
4.主成分分析：
主成分分析是将输入的多个波段的数据变换到以个新的空间（对原始空间轴进行旋转而成的新的属性空间），是在尽量不丢失信息的前提下的一种线性变化方法，主要用于数据压缩和信息增强。
选择【系统工具箱→Spatial Analysis Tools→多元分析→主成分分析】工具，进行相关设置。
输出多波段栅格：指定输出路径，输出栅格将包含数目与指定的主成分数相同的波段，其中一个波段描述一种成分；主成分分数：为可选项，用于指定要将数据变换主成分的数量，该值必须介于0和输入栅格波段总数，默认值为输入的栅格波段总数；输出数据文件：为可选项，该数据文件存储了主成分参数。
