遥感图像分类是遥感信息提取的关键技术之一，是地学研究者获取地理信息与知识的技术核心，以及政府部门依据分类信息做出决策的主要依据。而高精度的遥感图像分类技术是遥感应用领域长期不断追求的目标，因此如何提高分类精度是遥感图像应用中的关键问题。多分类器集成思想及其集成方法的研究作为模式识别的一个重要部分，已广泛应用于信号处理、指纹识别等多个领域，并逐渐在遥感图像处理中兴起。遥感多分类器集成就是利用各个分类器间的互补性，通过一定的组合规则获得更好的分类效果。研究在分析了遥感图像分类研究的国内外进展，特别是对多分类器集成技术进行了大量分析的基础上，选取香格里拉县主城区的Landsat影像为试验区，开展了分类器集成的土地遥感分类研究。主要研究内容与结果如下：（1）子分类器优选。首先，对遥感图像进行几何精校正、融合、裁剪等预处理工作；其次，通过选定的ROI对7种子分类器进行监督分类，根据分类结果及性能最终选取了最大似然分类法、神经网络分类法、马氏距离分类法3种子分类器参与集成。（2）子分类器集成。制定组合规则对投票法、最大概率法进行集成，利用ENVI/IDL实现多分类器遥感图像分类。实验结果表明：多分类器集成的总体精度、Kappa系数较单个分类器中分类精度最高的MLC分别提高到了85.13%和0.82。（3）集成分类器效果评估。对集成分类器效果及性能进行了分析，结果表明：在单分类器精度不变的情况下，集成分类器的性能与分类器间的相关性呈负相关。实验说明：多分类器集成较传统分类方法能够提高分类精度；且具有较好的可扩展性，通过不同的组合规则可提高集成分类器的分类性能。但是，多分类器集成处理的数据源是直接对各子分类器的分类结果进行集成处理，因此对于子分类器生成过程中的训练样本的选取优化、集成子分类器的选择以及多分类器集成算法与组合规则等方面仍需要开展深入研究。