遥感图像分类是遥感研究领域的一个重要内容,如何解决分类精度问题是遥感应用研究中的一个关键,具有十分重要的现实意义。近年来,随着多分类器组合算法的不断改进,多分类器组合技术日益成为遥感图像分类处理的一个重要手段。本文首先分析了国内外遥感图像分类研究的最新进展,特别是多分类器组合分类。在此基础上,选取山西省怀仁县典型区域的彩红外航空遥感影像进行土地利用分类研究。在分类前,对遥感影像进行了大气校正、独立成分分析、最小噪声分离变换、纹理滤波和图像融合等预处理工作,综合考查地物的纹理特征,在对图像进行纹理融合的基础上,训练ROI样本,对八种子分类器进行监督分类,并选取其中分类性能以及多样性最好的三种分类器进行组合,制定规则对简单投票法、最大概率类别法以及模糊积分法进行组合,并利用ENVI遥感软件以及IDL可视化编程语言来对实验图像进行分类提取。然后,结合误差矩阵对分类结果进行精度分析,我们发现采用多分类器组合分类法的总体分类精度是93.53%,而单个子分类器中精度最高的是SVM的81%,总体精度提高了12％,Kappa系数也从80%提高到了92.32%,最后对分类结果进行分类后处理,提取分类目标,应用于实际生产生活中。以上研究数据说明：①多分类器组合分类法是一种有效的分类方法,能够提高分类精度。②与传统方法比较,多分类器分类方法具有更好的可扩展性,可以通过设计更好的组合算法来提高多分类器组合方法的分类性能。