آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسل های همسایه، پردازش تصویر کامل تری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، به دست می دهد. روش پیشنهادی در این مقاله با استفادة هم زمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقه بندی را در تصاویر ابر طیفی بهبود می بخشد. در این پژوهش ابتدا با استفاده از نمونه های آموزشی محدود، ویژگی های منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایل های مورفولوژی تشکیل شدند و از ترکیب این پروفایل ها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گسترده شده با ویژگی های منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگی های منتخب نهایی با استفاده از طبقه بندی کنندة ماشین بردار پشتیبان طبقه بندی شدند. سپس پس پردازش تصویر نهایی با استفاده از فیلتر رأی گیری اکثریت انجام شد. این روش، روی دادة شهری و نیمه شهری از سنجندة ROSIS تست شد. دقت طبقه بندی نهایی از 86/98 و 70/82 درصد در روش های معمولی به 36/99 و 75/95 درصد در روش پیشنهادی به ترتیب در تصویر منطقة شهری و نیمه شهری افزایش یافته است. کلید واژه ها : آنالیز مورفولوژی، ماشین بردار پشتیبان، استخراج ویژگی، طبقه بندی، رأی گیری اکثریت.
