Phương pháp phân loại ảnh được thực hiện bằng cách gán tên loại (loại thông tin) cho các khoảng cấp độ sáng nhất định (loại phổ) thuộc một nhóm đối tượng nào đó có các tính chất tương đối đồng nhất về phổ nhằm phân biệt các nhóm đó với nhau trong khuôn khổ ảnh. Có 2 hình thức phân loại ảnh là phân loại có kiểm định (Suppervised Classification) và phân loại không kiểm định
(Unsuppervised Classitication) cả hai phương pháp phân loại này đều được phân loại dựa trên nguyên lý là các chỉ tiêu phân loại được xác lập dựa trên đặc trưng phổ của các vùng tham khảo và dùng luật quyết định thích hợp để gán nhãn pixels ứng với từng vùng phổ cụ thể. [13]
Trong nghiên cứu này hình thức phân loại ảnh được sử dụng là phân loại có kiểm định: phân chia một cách có kiểm định các giá trị DN (Digital Number) của các pixel ảnh theo từng nhóm đơn vị lớp phủ mặt đất bằng việc sử dụng máy tính và các thuật toán. Để thực hiện việc phân loại có kiểm định, phải tạo được “chìa khoá phân tích phổ” nghĩa là tìm được tính chất phổ đặc trưng cho từng đối tượng lớp phủ mặt đất và đặt tên cho chúng. Công việc xác định chìa khoá phân tích phổ được gọi là tạo các vùng tham khảo (hay vùng kiểm tra – trainning areas). Từ các vùng này, các pixel khác trong toàn ảnh sẽ được xem xét và sắp xếp theo nguyên tắc “giống nhất” để đưa về các nhóm đối tượng đã được đặt tên. Chọn vùng tham khảo: xác định các loại hình sử dụng đất cần phân chia, sau đó chọn các vùng tham khảo trên ảnh tương ứng với số lượng loại hình sử dụng đất cần thành lập. Vùng tham khảo, tương ứng với từng loại hình sử dụng đất, được chọn có số lượng pixel đủ lớn, so với số lượng pixel của một loại hình sử dụng đất chiếm giữ.
Phương pháp phân loại có kiểm định thường sử dụng các thuật toán sau: phân loại hình hộp (Parallelpiped Classification), phân loại theo khoảng cách nhỏ nhất (Minimum distance Classification), phân loại gần đúng nhất (Maximum Likelihood Classifier - MLC), phân loại hàm xác suất cực đại (Maximum Likelihood Classification), …. [13]
Thuật toán được dùng trong nghiên cứu này là thuật toán phân loại gần đúng nhất (Maximum Likelihood Classifier - MLC): vì đây là phương pháp dựa trên lý thuyết xác suất chặt chẽ, có độ chính xác cao và được sử dụng rộng rãi. Phương pháp này dùng số liệu mẫu để xác định hàm mật độ phân bố xác suất của mỗi lớp cần phân loại, đỗi với mỗi Pixel được tính xác suất thuộc vào một lớp nào đó và nó được gán vào lớp mà xác suất thuộc lớp đó là lớn nhất.
Sau khi phân loại, tiến hành lọc nhiễu kết quả phân loại: sử dụng phương pháp Majoriry Analysis để gộp những pixel lẻ tẻ hoặc phân loại lẫn trong các lớp vào chính lớp chứa nó.