使用ROI Tool选择兴趣区
确定分类数量：如图，我分了6类，分别是：居民地、林地、梯田、水体、平耕地、草地。
选择兴趣区（Region of Interest）分别为每类地物选择兴趣点，尽量做到平均分数，数量上暂无限制。选择的时候，使用鼠标左键勾画，使用鼠标右键确定并闭合，按下滚轮可删除错误。说明：选取完成之后，可以在ROI Tool中选择【File】|【Save ROIs】，将当前选择的ROI保存为单独的文件，下次可直接调用；
ROI的质量评价分为定性评价和定量评价两种方法。定性评价法：在ROI Tool中选择【File】|【Export ROIs ton-D Visualizer】
然后选择所有地物类型
选择所有波段，点击图中的【Start】按钮，即可动态观看左图的图像。
在上述左图中，不同颜色代表不同地物，同种颜色聚类在一起。一般而言，两个聚类相离越远，说明ROI选择的越好，若两个聚类掺杂在一起，则说明ROI的选择并不理想。在此图中，浅蓝色（平耕地）和绿色（林地）掺杂严重，说明在样本选择时，并未将平耕地和林地很好的分离。
定量评价法：在ROI Tool中选择【Options】|【Compute ROI Separability】，计算各个地物样本的“可分离度”
在计算结果中，可以主要关注结果列表中最后的几行信息，如红色框区所示，是两种地物之间的可分离度。可分离度的数值在0-2之间，数值越大，可分离度越高。一般而言，可分离度>1.8则可认为合格。如下图所示，林地和平耕地的可分离度最低，为1.78，这也佐证了定性评价的结果。附加说明：①可分离度高，分类结果不一定好；可分离度低，分类结果一定不好；②可分离度高有可能是选择的样本数量太小。
若ROI的质量不高，可以在分类之前作出调整。如果使用的是定性评价法，修改ROI的方法为：在“n-D Controls”中的【Class】中选择一种颜色A，然后在“n-D Visualizer”窗口中，用鼠标圈定与颜色A颗粒掺杂在一起的颜色B颗粒，这样便将将颜色B颗粒更改为颜色A颗粒。
如果使用的是定量评价法，修改ROI的方法为：在ROI Tool中选择分离度较低的地物类型，使用【Goto】按钮一一查看其样本，并使用【Delete Part】按钮将不理想的样本逐一删除。
当然，无论哪种方法，如果两类地物样本的可分离度过低，还可以考虑直接将两类地物合并。合并时可使用ROI Tool中【Option】|【Merge Regions】按钮。
实施分类：选择监督分类下的一种分类器，在这里我选择“Maximum Likelihood”
①全选所有地物类别；②Set ProbabilityThreshold：设置似然度的阈值。如果选择Single Value，则在“ProbabilityThreshold”文本框中，输入一个0到1之间的值，似然度小于该阈值不被分入该类。这里选择None。③点击【Preview】可以预览。④在“Output Result to”中设置输出结果的路径⑤在“Output Rule Image”中设置输出规则图像的路径（规则图像：每个像素表示似然度）
点击OK后，完成分类，结果如下。