根据已知训练区提供的样本，通过计算选择特征参数，建立判别函数以对各待分类影像进行的图像分类监督分类 （supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。过程：1、选择训练区（代表性，完整性，多个样区）2、提取统计信息（进行多元统计分析，训练样本的有效评价，样本纯化）3、选择合适的监督分类算法（平行算法，最小距离法，最大似然法（至今应用最广），波谱角分类法）4、计算机自动分类5、分类精度评价（非位置精度，位置精度--混淆矩阵）优点：1、 可充分利用分类地区的先验知识，预先确定分类的类别；2、 可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度，避免分类中的严重错误3、 避免了非监督分类中对光谱集群组的重新归类。缺点：1、人为主观因素较强；2、训练样本的选取和评估需花费较多的人力时间；3、只能识别训练样本中所定义的类别，从而影响分类结果。
