遥感图像分类是将图像的所有像素按其性质分为若干个类的技术过程。遥感图像分类有两种主要的分类方法,一种是非监督分类方法,一种是监督分类方法。非监督分类方法往往是一个聚类过程,而监督分类则是一个学习和训练的过程,需要足够的先验知识。由于没有足够的先验知识,所以本论文所研究的主要是非监督算法。在论文中,详细介绍了传统的非监督分类方法K—means算法及ISODATA算法,并在此基础上,提出了基于概率模型的K-means算法和模糊ISODATA算法。计算结果表明,这两种方法都具有比传统非监督算法好的分类效果。在论文的实验数据分析中,还将小波域的隐含马尔可夫树模型应用到遥感图像分类中,并得出了相应的分类结果。从结果可以看出,本文所提出的基于概率模型的K-means算法和模糊ISODATA算法都比传统的非监督方法分类精度高,图像也比较平滑。针对SAR图像有大量斑点噪声的特点,将隐含马尔可夫模型应用到小波域中进行图像分类,分类结果表明,这也是一种很有效的分类方法。