遥感图像的分类是遥感领域研究的重要内容，如何解决多类别的图像计算机自动分类识别并满足一定的精度，一直是遥感技术研究中的一个热点问题和重要难题，对于遥感图像的快速应用和推广起着关键性作用。 遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。传统遥感图像分类的方法主要有两类：非监督分类方法和监督分类方法。前者是一个聚类过程，需要较少的人工参与。而后者是一个学习和训练的过程，需要研究者对研究的地区有一定的先验知识。随着新技术新方法的不断发展，新的遥感图像分类方法也是层出不穷。如模糊分类，人工神经网络分类，专家系统分类等。这些分类方法在很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是每种方法都有优点和缺点，没有哪一个分类方法对所有的分类结果都是最优的，只能说某些方法更适合某些分类应用，因此，要想达到很好的分类效果，还需要广泛的研究地面地物的类别与分类器的最佳组合模式。 本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，主要研究监督分类的方法、非监督分类方法、模糊分类方法和人工神经网络分类方法对遥感图像进行了分类，然后采用了仿射传播聚类算法在遥感图像分类中的应用研究，借助Matlab软件，对遥感图像智能分类处理进行了实验，结果表明，仿射传播聚类分类效果不低于传统算法，对比较紧密的聚类结构能给出准确的聚类结果，并分析了仿射传播聚类的优缺点。最后总结了这次研究工作的不足，对未来的进一步研究提供了参考。