نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگیها و اطلاعات طیفی پیکسلها می باشد. این مسئله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفکیک فضایی در ماهواره ها، باعث افزایش اطلاعات غیر مفید (نویز) و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی می شود که در نهایت منجر به اثرات منفی بر روی دقت طبقه بندی می گردد. به منظور رفع یا کاهش این مشکلات، استفاده توأم از اطلاعات طیفی و محیطی می تواند به تفکیک کاربریهایی که از لحاظ طیفی مشابه هستند کمک موثری نماید. در این تحقیق مزایای حاصل از ترکیب اطلاعات تراکم حاشیه استخراج شده از طبقه بندی مبتنی بر ویژگیهای طیفی عناصر تصویر با روشهای طبقه بندی حداکثر احتمال، حداقل فاصله از میانگین و ماهالانوبیز مورد بررسی قرار گرفته است. این روش برای داده هایی با توان تفکیک مکانی بالا که حاوی اطلاعات جزیی زیادتری می باشند و همچنین مناطقی با پدیده های متفاوت و دارای تراکم های حاشیه مختلف می تواند مناسب تر باشد.کارایی استفاده از اطلاات تراکم حاشیه در بهبود دقت طبقه بندی با داده های چند طیفی ماهواره اسپات (SPOT) و عکس هوایی مربوط به بخشی از منطقه حاشیه تالاب انزلی در استان گیلان که دارای پدیده های متنوع و کاربریهای مختلف می باشد، مورد ارزیابی قرار گرفته است. نتایج حاصل نشان دهنده افزایش دقت کلاسهای اطلاعاتی بویژه با تفکیک پذیری طیفی ضعیف می باشد. روش طبقه بندی ماهالانوبیز در کلاسهای اطلاعاتی مراکز شهری- روستایی (60/74 درصد) و رودخانه و کانال (87/66 درصد) به ترتیب با 06/14 و 57/6 درصد افزایش در داده های ماهوارهای و کلاسهای مجتمع درختی و باغات (37/74 درصد)، رودخانه اصلی (44/59 درصد)، کشاورزی (38/46 درصد) و مناطق مسکونی (09/68 درصد) به ترتیب 78/11، 61/36، 09/28 و 29/53 درصد نسبت به طبقه بندی مبتنی بر اطلاعات طیفی پیکسلها در داده‌های عکس هوایی افزایش دقت نشان می دهند.
