طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی براساس ارزش عددی هریک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گردد. اما در روش طبقه بندی شیءگرا اطلاعات طیفی با اطلاعات مکانی ادغام گردیده و پیکسل ها براساس شکل، بافت و تن خاکستری در سطح تصویر با مقیاس مشخص سگمنت سازی شده و طبقه بندی تصویر براساس این سگمنت ها انجام می شود. در این تحقیق الگوریتم طبقه بندی پیکسل پایه حداکثر احتمال و الگوریتم طبقه بندی نزدیک ترین همسایه شیءگرا در طبقه بندی تصاویر سنجنده HDR ماهواره ای SPOT 5 مورد مقایسه قرار گرفته است و به منظور مقایسه نتایج، نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقه بندی تهیه شده است. مقایسه نتایج مربوط به صحت کلی طبقه بندی ها نشان می دهد که روش طبقه بندی شیء گرا با افزایش دقت معادل 7% در هر دو شاخص صحت کلی و کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالاتری برخوردار است. نتایج این تحقیق در استخراج نقشه های کاربری اراضی استان آذربایجان شرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.
