随着空间分辨率不断提高,卫星遥感影像具有更加丰富的空间特征信息、几何结构信息和纹理特征,故而广泛地应用于土地利用分类；传统的基于像素光谱特征的分类方法已经不能有效地利用这些信息,同时“同谱异物”和“同物异谱”的存在也使得仅仅利用原始遥感影像的光谱信息进行分类的精度受到极大限制,己远远不能满足现阶段的应用需求。作为遥感图像的根本信息源,光谱特征与纹理特征是对遥感图像进行信息提取所依据的两个基本特征,把纹理特征复合到原始遥感影像中,能有效的提取影像中的丰富信息,对于地物的准确判别具有极大的作用。本次使用覆盖山西省浑源县的”一张图”影像中的部分Quick-Bird影像作为数据源,经过多次试验对比选择适当的参数后,使用灰度共生矩阵方法对研究区的第一主成分影像进行纹理特征的提取；对影像进行光谱和纹理分析,分析典型地物的区分度,并在此基础上构建组合参数,对复合了各种纹理特征和其他特征信息的遥感影像使用传统的极大似然估计法和决策树方法进行分类,并进行分类精度的比较,分析各种辅助信息在不同分类方法下对各种地类分类精度的影响。研究的主要内容和结论归纳如下：(1)针对研究区在地类分布上与坡度梯度有一定关联,使用特征影像结合坡度图的目视效果将研究区先行分为山坡与山谷平原,并提取平原地区的NDVI与山坡地区的MSAVI;然后对提取的各地类做光谱分析,构造了新的组合参数Bmix来增草地与农用地的区分度,将这些辅助信息复合到原始影像上进行分类。(2)经一系列处理和参数调整,运用灰度共生矩阵方法提取了影像的均值、方差、熵、对比度、相关等几个纹理测度,通过相关程度分析,剔除部分测度,并构建了新的组合参数MC,将筛选的信息与影像复合进行分类。(3)对分类结果的精度分析表明,对于同种分类方法,不同种类的纹理特征对分类精度的影响也不同,熵值增加了林地的分类精度,均值对分类结果无明显的增益,而方差的引入使得某些地类的分类精度下降了,在整体分类精度上决策树分类方法要大于极大似然法,同样复合了熵的情况下,极大似然法的总体精度提高了4.3%,而决策树分类方法则提高了8.1%,决策树方法使用多源文件进行数据挖掘,可以更有效地发挥多种辅助信息的作用。