遥感影像分类是遥感影像处理的一个重要方面，是后续提取专题信息、检测动态变化、制作专题地图、建立遥感数据库等工作的基础。现代遥感技术迅猛发展，推动了该项技术在各个领域的应用进程，技术的广泛应用使得遥感影像数据量也随之迅速膨胀，对遥感影像分类处理的准确性和实时性要求也越来越高。传统的分类方法在分类精度的提高上建树不大，无法满足实际应用的需求。论文在研究现有分类算法的基础上，分析了传统的单分类器各自的优缺点，以及影响分类精度的因素，在总体流程的层次上研究分类的方法。主要思想是：首先利用决策树算法生成初始的决策树；根据需要将初始决策树与多分类器连接形成复合的决策树，然后引入掩膜方法，降低分类时类与类之间的干扰，最后将每层单类要素掩膜分类结果进行合并得到最后总的分类结果。本文的主要研究工作如下：首先，分析了现在常用的几种分类算法，总结了分类处理的一般过程，发现影响分类精度的两个主要因素是分类样本选择和类别间的分类干扰。前者速度受限于操作人员自身水平及辅助工具的选择，且精确性直接影响分类结果的准确率；后者主要受算法的影响，由此确定本文要解决的主要问题。其次，针对这两个问题分别寻找解决方案。由于不同的分类器对不同的地物类别识别准确率不尽相同，设计了基于决策树的多分类器结合方法，算法首先生成初始的决策树，然后再根据需要进行多分类器的选择。对于各类别之间的误分和重分现象，采用了单类要素掩膜叠加方法对影像进行分层分类，从而提高分类精度。最后，在算法和数据库的基础上，运用工程化、模块化、流程化、分层次的设计模式，基于服务器、客户端体系结构，设计了一套遥感影像多分类器分类系统，利用该系统，可以实现批量遥感影像快速、准确的分类处理。并在该系统上进行了分类实验，验证了此方法在分类精度上优于单分类器的结果。