早在20世纪70年代，人们就开始利用计算机进行卫星遥感图像的解译研究，其主要方法就是遥感图像目视判读，它依赖于图像解译人员的解译经验与水平。20世纪80年代，主要是利用统计模式识别方法进行遥感图像的计算机分类，这种方法的特点是根据图像中地物的光谱特征对影像中的地物进行分类。20世纪90年代以来，涌现出了大量的遥感图像分类方法，如人工智能分类法、遥感与GIS结合法、面向对象的分类法、多源信息复合分类法等都取得较好的效果。然而，由于新的分类方法的大量涌现，遥感图像分类方法出现了多而杂的问题。

 

总的来说，目前的遥感分类方法可以归结为以下几大类，目视解译方法、基于统计理论的分类方法、人工智能方法、其他分类方法。

1. 目视解译

目视解译是一种传统的遥感分类方法，是是根据确定的分类系统和解译标志以及解译经验，对图像进行判读等方法来获取土地利用/覆盖的分类。目视解译方法应用广泛，有操作简单、灵活性强等优点，但是目视解译过于好费时间，而且很大程度收到解译人员经验的影响，不同的解译人员由于其解译经验不一样，其解译结果往往差别较大。因此，在很多新的计算机分类方法出现之后，该方法现在往往和计算机自动分类方法进行结合使用，即人机交互目视解译，能够很大程度提高遥感分类精度。

2. 基于统计理论的分类方法

该方法广泛应用于早期的遥感图像分类中，具有很多成熟的算法。根据分类前能否获得训练样本类别这一先验信息可以分成两大类：监督分类和非监督分类。

监督分类是指在样本类别已知的情况下，从训练集出发得出各个类别的统计信息。然后根据这些统计信息结合一定的：别准则对所有像素进行判别处理，使具有相似特征并满足一定判别准则的像素归并为一类。监督分类方法有最小距离法、马氏距离法、最大似然法、神经元网络分类方法、Parzen窗法、K-近邻法、Parallelpip等；非监督分类是在没有先验知识的情况下，通过计算机采用一定的聚类算法对图像进行聚类统计分析的方法，如K-means算法，模糊c-means算法，AP聚类算法等（赫英明，2011）。

3. 人工智能方法

人工智能分类方法有神经网络分类、决策树分类方法、专家系统分类、遗传算法等。

人工神经网络(ANN)：是以模拟人脑神经系统的结构和功能为基础而建立的一种数据分析处理系统，具有对信息的分布式存储，并行处理、自组织、自学习等特点，通过许多具有简单处理能力的神经元的复合作用而具有复杂的非线性映射能力。

决策树分类方法：最早产生于上世纪60年代，到70年代末。该方法首先数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。其上决策树是通过一系列规则对数据进行分类的过程。

专家系统分类方法：是一种智能化的计算机程序或软件系统，能够像专家一样分析和解决复杂的实际问题。专家系统分类的关键是知识的发现和推理技术的运用。

遗传算法(GA)：是1975年美国Michigan大学教授J.Holland首先提出的。遗传算法抽象于生物体的进化过程，通过全面模拟自然选择和遗传机制，形成一种具有“生成+检验”特征的搜索算法。

4. 其他分类方法

其他分类方法有与GIS结合分类方法、分层分类方法、模糊数学分类方法、面向对象分类方法、支持向量机算法、多源信息复合分类法等。

分层分类法：是根据各类目标的光谱、时间、空间等不同特征，采取相应的信息提取方法，分别建立不同的专题信息层，最后把各专题层合并汇总得到整体分类图。

模糊数学分类方法：产生于20世纪60年代中期，美国控制论专家查德（L.A.Zadeh）首先提出了模糊集概念。它是一种以模糊集合论作为基础，针对不确定性事物的分析方法，和普通集合论中事物归属的绝对化不同。模糊分类法的关键在于确定隶属度和隶属函数，然而这一过程比较复杂，至今尚无一般的规则可以遵循。因此，这种方法一直没有得到较好的推广使用。

面向对象的分类方法：是一种面向对象的影像分割技术，其最重要的特点就是分类的最小单元是由影像分割得到的同质影像对象（图斑），而不再是单个像素，可以实现较高层次的遥感图像分类和目标地物提取。面向对象分类方法不仅利用地物本身的光谱信息，而且充分利用地物的空间信息，包括形状、纹理、面积、大小等要素，因此可以提高信息提取的准确性和可靠性。

支撑向量机(SVM)：由Vapnik 提出的，结构风险理论、二次优化理论、核空间理论是SVM的3大基础理论。它是一种基于统计学习理论的新型机器学习算法，通过解算最优化问题，在高维特征空间中寻找最优分类超平面，从而解决复杂数据的分类及回归问题。

多源信息复合分类法：随着遥感和计算机信息技术的飞速发展，航空航天遥感传感器数据获取技术趋向于“三多”（即多平台、多传感器、多角度）和“三高”（即高空间分辨率、高光谱分辨率、高时相分辨率）。因此，多源信息复合分类法可以充分利用已有遥感信息资源，是提高遥感分类精度的有效方法。多源信息复合分类法主要包括基于影像纹理信息结构的分类法、基于时相信息的频谱分析法、基于多角度信息的分类法、基于多分类器的分类法、基于地学专家知识的分类法。

遥感影像分类领域，分类方法众多，各类算法各具特点，一些新的分类技术相比于传统方法在分类精度上有一定提高，但同时也存在一些不足之处。因此，继续探索先进方法以提高遥感影像的分类精度仍然存在广阔的研究空间。在遥感监测过程中，单一的采用某一种方法往往达不到理想的效果，通常会根据遥感监测的目标，结合两种或者多种分类方法进行分类，以提高分类精度。