伴随空间技术的不断发展，遥感技术被应用到了各种领域。遥感图像可以提供大量的地面图像信息，这一点对于实时了解敌方动态，特别是对于掌握敌方机场的飞机情况具有十分重要的意义。 以往的图像分类主要依靠的是人工来进行，费时，而且效率不高。随着计算机技术以及模式识别技术的发展，图像的自动分类成为了可能，不仅提高了效率还减少了误差，具有十分重要的意义。同时，图像分类技术还可以广泛应用于智能交通系统等一系列与人们生活密切相关的领域，因此，成为了一项研究的热点课题。 本文首先采用了生成仿真图像的方法来对遥感图像进行分类研究。通过对仿真的飞机图像特点的研究，提出了采用不变矩和小波分解后求信息量的方法来对图像进行特征的提取，并利用支持向量机模型进行分类，取得了理想的效果。 首先，根据遥感图像的成像特点，利用飞机的顶视图，通过各种变换来生成样本图库，进行实验。 然后，对图像的特征提取方法进行了研究。针对飞机图像分类的特点，最终采用了不变矩和小波分解后求信息量相结合的方法来对图像进行特征的提取，很好地兼顾了飞机图像的外形和细节两方面的特征。 选择了支持向量机作为分类器，克服了传统统计分类方法的许多缺点，较好地解决了小样本的分类问题，取得了理想的分类效果。 最后，为了进一步的验证本文方法的实用性，采用了实拍的飞机图像来作为样本图库，进一步增大了实验的难度。并对不同的核函数，以及核函数不同参数取值对于分类精度的影响作了初步的探讨。实验表明，本文方法对于实拍的图像依然可以取得理想的分类精度，具有一定的实际意义。