分类是遥感影像处理分析的重要内容和研究热点，针对遥感影像分类中不同分类器各具优势、相互补充的特点，将模式识别领域的研究热点-多分类器系统引入遥感领域，系统介绍了遥感多分类器集成理论、方法和典型应用。全书内容包括七章：第一章介绍了遥感影像分类进展，通过对不同分类器的比较与分析，构建了分类器集合；第二章从理论与实例两方面，探讨了集成学习和多分类集成的理论基础，分析了分类器多样性与互补性的评价，介绍了分类器选择的常用指标和方法；第三章重点探讨了基于样本操作和特征变换的多分类器集成方法，重点是Boosting、Bagging、RandomForest等方法的应用；第四章将先进的集成学习方法RotationForest用于遥感影像分类，实现了RotationForest从特征旋转、基分类器改进到空间光谱特征综合的拓展应用；第五章分析了基于异质分类器组合的多分类器集成方法，对多分类器选择、组合等进行了分析；第六章探讨了遥感多分类器集成在高光谱、多光谱和全极化SAR影像分类与变化检测中的若干应用实例，介绍了遥感多分类器系统的设计与开发，对今后的发展趋势进行了探讨。