遥感图像分析用模式识别方法对遥感图像数据进行分类的技术。遥感图像分析的主要目的是根据图像所包含的光谱信息、空间信息、多时相信息和辅助数据确定地面物景中对应的物体类别、性质及其变化，例如农作物类别、林区林种、农林虫害、泛区面积、矿山岩性、土壤成分和城镇变迁等。

利用地面多光谱特性直接对单个像素进行分类的方法有：监督学习的平行多面体法，最小距离法和计算复杂但识别正确率较高的最大似然法。在缺乏地面实况样本数据情况下，可以采用按像素光谱特性相似程度进行分类的聚类分析方法。图像纹理、局部结构和形状（见纹理分析、形状分析）等空间信息，能够提供比单个像素更多的区域和相邻像素间的关系信息，因此应用空间信息进行分类，有利于克服噪声的影响和提高识别正确率。

不同时间获取的同一地面物景图像的多时相信息，能反映一种植被或农作物的生长过程，或一块土地、一片水域、一座城镇的变化情况。此外，从多时相信息中还可选择出类别最易分开的时相。例如，玉米和大豆的光谱特性在生长初期很接近，但到30～70天后两者差异加大而易于区分。

辅助数据是指图像以外的有关数据，如地形图、等高线和土壤条件等，这些数据为分类增添了有用的信息。在其他信息相似的情况下，辅助数据能在很大程度上帮助正确地区分类别。

图像分析专家系统、地理信息系统和环境监测系统，正在成为遥感图像分析的重要手段。这些系系统将在水力、森林、草场、土地等资源调查、开发和利用中成为有效的工具。

王成业　李志荣