遥感图形分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中各个像元按照某种规则或算法划分不同的类别，然后获得遥感图像中与实际地物的对应信息，从而实现遥感图像的分类。
基本介绍
1.监督分类(SupervisedClassification)，又称“训练分类法”，用被确认类别的样本像元去识别其他未知类别像元的过程，它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中图像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求；随后用训练好的判决函数去对其他待分数据进行分类，使每个像元和训练样本作比较，按不同的规则将其划分到与其最相似的样本类，以此完成对整个图像的分类。
2.非监督分类(UnsupervisedClassification)，非监督分类，也称“聚类分析”或“点群分类”。在多光谱图像中搜寻、定义其自然相似光诸集群的过程，它不必对图像地物获取先验知识，仅依靠图像上不同类地物光谱(或纹理）信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。
