ENVI：K-Means 非监督分类：五类起步、参数迭代调整的流程

1. 为什么是 K-Means：非监督分类的定位与边界

遥感影像分类长期存在两条技术路线：以训练样本驱动的监督分类，和以数据自身结构驱动的非监督分类。监督分类精度上限高，但样本采集成本、样本代表性、类别体系一致性都会成为瓶颈；非监督分类不需要先验标签，能在极短时间内给出地物光谱结构的“粗画像”，因此在快速制图、样本预筛选、异常区域发现等场景中始终占有一席之地。

K-Means 属于基于原型的划分式聚类（partitional clustering）。它的核心假设是：每一类可以由一个中心（质心）代表，且类内样本在特征空间中足够紧凑，类间中心足够分离。这个假设在光谱维度上并不总是成立——同物异谱、异物同谱、混合像元都会破坏紧凑性。因此，K-Means 在遥感中的合理定位不是“最终分类器”，而是“结构探测器”。

本文评述：把 K-Means 当作“自动出图工具”是工程上最常见的误判。更稳妥的认知是——它输出的是特征空间中的聚类结构，而聚类结构能否翻译为地物类别，取决于特征选择、类别数设定与后处理解释三个环节。换句话说，K-Means 给出的是“候选”，不是“结论”。

从文献脉络看，K-Means 的雏形可追溯到 Lloyd 在 1957 年贝尔实验室的内部技术报告，后由 MacQueen 于 1967 年正式提出 “K-means” 命名。遥感领域的系统化应用则集中出现在 1980—1990 年代，与 Landsat TM 数据普及同步。近十年，随着高光谱、SAR、时序影像的兴起，K-Means 更多作为预处理或对比基线出现，而非独立成果。这一趋势本身说明：K-Means 的学术地位在下降，但工程价值并未消失，关键在于是否把它嵌入一条可迭代的流程。

2. 算法内核：目标函数、特征空间与收敛机理

2.1 目标函数与迭代公式

K-Means 最小化的目标函数是类内平方误差和（WCSS，Within-Cluster Sum of Squares）：

J = Σ(k=1..K) Σ(x∈Ck) || x − μk ||²

其中：
  K   —— 类别数
  Ck  —— 第 k 个簇的样本集合
  μk  —— 第 k 个簇的质心，μk = (1/|Ck|) Σ(x∈Ck) x

迭代过程是经典的“分配—更新”两步交替：固定质心，把每个像元分配给最近质心；固定分配，把每个质心更新为所属像元的均值。可以证明，每一步都不会增大 J，因此算法在有限步内收敛到局部最优。注意关键词——局部最优。这是 K-Means 所有工程问题的根源。

2.2 特征空间：距离度量的隐含假设

ENVI 的 K-Means 默认使用欧氏距离。欧氏距离隐含一个前提：各波段量纲一致、方差相近。但真实多光谱数据中，波段间方差差异可能达到一个数量级。若不处理，方差大的波段会主导距离计算，等价于给该波段加了隐式权重。

解决路径有两条：一是对波段做标准化（z-score），使各波段均值为 0、标准差为 1；二是改用马氏距离，把协方差结构纳入度量。ENVI 的 K-Means 不直接提供马氏距离选项，因此标准化往往是比调参更有效的“隐形优化”。本文建议：在分类前用 ENVI 的 Band Math 或 Statistics 工具计算各波段均值与标准差，再做标准化，这一步的收益通常大于反复调整迭代次数。

2.3 收敛机理与终止条件

ENVI 提供两个终止条件：最大迭代次数（Maximum Iterations）和变化阈值（Change Threshold）。变化阈值指两次迭代中类别发生变化的像元比例，当该比例低于阈值时提前停止。二者是“或”的关系——任一满足即终止。

这里有一个容易被忽略的工程细节：变化阈值过低会导致无意义的空转，过高则会在结构尚未稳定时提前截断。经验上，阈值设在 0.01—0.05（即 1%—5%）区间较为稳健。若影像纹理复杂、类别边界模糊，可放宽到 0.05；若影像均质、类别分离度高，可收紧到 0.01。

3. ENVI 中的 K-Means：工具链与参数面板逐项解析

3.1 工具入口与调用路径

在 ENVI 5.x 及更高版本中，K-Means 的调用路径为：Toolbox → Classification → Unsupervised Classification → K-Means Classification。在 ENVI Classic 中则为 Classification → Unsupervised → K-Means。两者参数面板基本一致，但新版对大数据分块处理的支持更好。

3.2 参数面板逐项拆解

这里特别强调 Statistics Only 模式的价值：它只输出各类质心与统计量，不生成分类图。工程师可以先用它快速查看质心在光谱空间中的分布，判断是否存在质心过于接近、类别冗余的情况，再决定是否正式分类。这一步能把大量无效分类尝试挡在门外。

3.3 初始化策略：ENVI 的默认行为

ENVI 的 K-Means 采用基于影像统计的初始化方式，而非完全随机。具体而言，它倾向于在数据范围内生成初始质心，并在迭代中动态调整。这一设计降低了随机性，但也意味着同一景影像、同一参数，结果通常可复现——这对工程流程是好事，对探索性分析则可能限制多样性。

若需要更强的初始化控制，可考虑在 ENVI 外先用 Python（scikit-learn 的 KMeans，支持 k-means++ 初始化）生成初始质心，再导入 ENVI 做后续分类。k-means++ 通过让初始质心彼此远离，显著降低陷入劣质局部最优的概率，这在类别数较多（K≥8）时尤为明显。

4. 五类起步：参数基线的确定逻辑

4.1 为什么是“五类”而不是“三类”或“十类”

“五类起步”不是拍脑袋的经验值，而是有统计与认知双重依据的工程折中。

从统计角度看，K 过小会导致多个地物被合并（欠分割），K 过大则会把同一地物的光谱变异拆成多类（过分割）。对于中分辨率多光谱影像（如 Landsat OLI、Sentinel-2），典型地物大类通常包括：植被、水体、裸土/建成区、云/阴影、其他过渡类型。这五类构成了大多数场景的“最小完备集”。

从认知角度看，五类是人眼在快速浏览分类图时能同时把握的类别上限。超过五类，判读效率明显下降，且类别间的语义区分需要更多先验知识支撑。

笔者认为：五类起步的本质是“先建立可解释的骨架，再逐步细化”。直接上 K=15 看似精细，实则把参数调优的难度和解释成本同时放大。工程上更稳的路径是——五类跑通、诊断清楚、再按需增类。

4.2 五类起步的参数基线表

4.3 波段选择：比 K 更重要的前置决策

很多工程师把注意力全放在 K 上，却忽略了波段选择。事实上，波段组合决定了特征空间的几何结构，K 只是在这个结构上切几刀。对于植被—水体—建成区混合场景，推荐组合包括：近红外（NIR）、红边（Red Edge，Sentinel-2 可用）、短波红外（SWIR1/SWIR2）。这些波段对植被含水量、水体吸收、建成区反射差异敏感。

若使用高光谱数据，直接全波段输入会因维数灾难导致距离度量失效。此时应先做降维：主成分分析（PCA）保留前 5—10 个主成分，或最小噪声分离（MNF）保留信噪比高的成分。ENVI 提供 Transform → PCA / MNF 工具，操作路径清晰。

5. 迭代调整：诊断指标与调参路径

5.1 三个核心诊断指标

迭代调整不能靠“看起来差不多”，必须有量化指标。本文推荐三个：

• 类别面积稳定性：相邻两次迭代中，各类像元数的变化率。若某类面积在迭代后期仍剧烈波动，说明该类结构不稳定，可能需要调整 K 或阈值。
• 质心间距：任意两类质心之间的欧氏距离。若最小值过小（接近 0），说明存在冗余类别，应考虑减少 K。
• J-M 距离（Jeffries-Matusita）：ENVI 提供该指标计算工具，取值 0—2，越大表示类间可分性越强。通常认为 J-M > 1.8 为可分性良好，< 1.0 则需警惕。

5.2 调参决策树

基于上述指标，可以建立一棵简单的调参决策树：

五类基线分类
   │
   ├─ 类别面积稳定 + 质心间距合理 + J-M > 1.8
   │     └─ 接受结果，进入后处理
   │
   ├─ 某两类质心过近（J-M < 1.0）
   │     └─ K 减 1，重跑
   │
   ├─ 某类面积异常大（> 60%）
   │     └─ 该类可能混合了多种地物，K 加 1—2，重跑
   │
   └─ 迭代未收敛（达到最大迭代次数仍在变化）
         └─ 提高 Maximum Iterations 至 30—50，或降低 Change Threshold

5.3 迭代调整的实操节奏

工程上不建议“一次调一个参数、跑一遍看一遍”的串行方式，效率太低。更高效的做法是小范围网格搜索 + 快速诊断：固定波段组合，令 K 取 4、5、6、7，Maximum Iterations 取 15、25，共 8 组组合，用 Statistics Only 模式快速跑出质心与 J-M 距离，再挑 2—3 组正式分类。这样一轮下来通常 30—60 分钟即可锁定较优参数。

需要提醒的是，K-Means 对同一影像的多次运行结果可能因初始化不同而略有差异。若发现两次运行结果差异显著，说明数据本身结构模糊，此时应优先回到特征选择环节，而非继续调参。

6. 完整实操流程：从数据准备到成果输出

6.1 数据准备与预处理

以 Sentinel-2 L2A 数据为例，预处理步骤包括：

• 大气校正：L2A 已含地表反射率，可直接使用；若用 L1C，需先做 Sen2Cor 或 ENVI 的 QUAC/FLAASH。
• 重采样：将 20 m 波段（如 SWIR）重采样至 10 m，保证空间分辨率一致。
• 裁剪：用 ROI 或矢量边界裁剪研究区，减少无效计算。
• 波段标准化：用 Band Math 对每个波段做 (x − mean) / std。

6.2 分类执行

打开 K-Means 工具，选择预处理后的影像，按第 4 节基线表设置参数，勾选 Output Rule Images，执行分类。首次运行建议用 Statistics Only 模式，查看质心报告。

6.3 后处理

K-Means 输出的是像素级分类图，通常存在椒盐噪声。ENVI 提供两类后处理工具：

• Majority/Minority 分析：用 3×3 或 5×5 窗口对分类图做多数滤波，消除孤立像元。
• Clump Classes：合并相邻同类像元，生成更连续的区域。
• Sieve Classes：删除小于指定像元数的斑块，将其并入邻接大类。

后处理强度需要权衡：过度滤波会抹掉真实的小地物（如小水体、零星建筑），不足则图面破碎。建议先用 3×3 多数滤波，再视情况做 Sieve，阈值设为 4—8 个像元。

6.4 类别命名与成果输出

聚类结果本身没有语义标签，需要人工判读。方法是将分类图与原始影像叠加，逐类查看典型区域，结合光谱曲线与地物知识命名。ENVI 的 Class Color Mapping 面板可调整各类颜色，便于对比。最终成果可导出为 GeoTIFF、Shapefile 或 ENVI 格式。

7. 精度评价与常见陷阱

7.1 非监督分类的精度评价困境

非监督分类没有训练样本，精度评价需要独立验证样本。常用指标包括总体精度（OA）、Kappa 系数、用户精度与生产者精度。ENVI 的 Confusion Matrix 工具支持基于 ROI 的精度评价。

但要注意：Kappa 系数在类别极不平衡时可能产生误导，近年的方法论研究更推荐使用总体精度配合类别级指标，或引入 F1 分数。这一点在遥感分类评价中已逐渐成为共识。

7.2 五个高频陷阱

8. 前沿趋势：从像素聚类到深度嵌入聚类

8.1 面向对象与超像素

像素级 K-Means 的根本局限在于忽略空间邻域。面向对象方法先做影像分割（如 ENVI 的 Segment Only Feature Extraction），再对对象做聚类，能显著减少椒盐噪声。超像素方法（SLIC、SEEDS）则在分割与聚类之间提供了更灵活的粒度控制。

8.2 深度嵌入聚类

近三年，深度嵌入聚类（Deep Embedded Clustering, DEC）及其变体在遥感领域快速兴起。其思路是：先用自编码器把高维光谱映射到低维嵌入空间，再在嵌入空间做 K-Means 或软分配聚类。相比原始光谱空间，嵌入空间通常具有更好的类间分离性。相关研究在 2022—2024 年的 IEEE TGRS、Remote Sensing of Environment 等期刊上持续出现。

本文评述：深度聚类并非要取代 K-Means，而是把 K-Means 从“特征空间的使用者”变为“嵌入空间的使用者”。对工程实践而言，这意味着特征学习环节的价值正在超过聚类算法本身。未来非监督分类的竞争力，很可能取决于谁的表征更好，而非谁的聚类器更复杂。

8.3 时序聚类与变化检测

随着 Sentinel-2、Landsat 存档数据积累，时序非监督分类成为热点。K-Means 的时序扩展（如动态时间规整 + K-Means、时序 K-Means）可用于作物类型识别、城市扩张监测。这一方向的挑战在于：时序维度引入后，距离度量与类别数的确定都更加复杂，需要新的诊断指标。

9. 结论与工程建议

回到本文的主线：K-Means 非监督分类的工程价值，不在于算法本身有多强，而在于它能否被嵌入一条可诊断、可迭代、可复现的流程。五类起步提供了稳定的基线，诊断指标提供了调整依据，迭代路径提供了收敛方向。三者结合，才能把“跑一次看看”变成“跑一轮定稿”。

具体建议可归纳为四条：

• 先标准化波段，再谈调参；
• 五类起步，用 J-M 距离和类别面积稳定性决定增类或减类；
• Statistics Only 模式是低成本试错的关键；
• 后处理要克制，精度评价要独立。

对于希望进一步拓展的读者，可参考以下资源：ENVI 官方文档中的 K-Means 章节、NV5 Geospatial 的教程视频、以及 scikit-learn 的聚类用户指南（用于对比不同初始化策略）。这些资源能帮助把 ENVI 的操作经验与算法原理打通。

主要参考文献