目前影像处理技术朝着多元化和企业级方向发展，除了传统的桌面影像处理技术外，还有影像管理技术，面向服务的影像处理技术等。在影像信息智能化提取方面，除了有半自动化人工提取工具外，在影像自动分类方面，基于光谱的方法，除了传统的统计学方法，还包括了基于神经网络，模式识别等方法；基于专家知识的决策树分类，充分利用了多源数据的特性；基于面向对象的空间特征提取技术。

基于模式识别技术的支持向量机分类就是一种比较新的分类方法。支持向量机（SVM）算法在模式识别、回归估计、概率密度函数估计等方面都有应用。例如，在模式识别方面，对于手写数字识别、语音识别、人脸图像识别、文章分类等问题，SVM 算法在精度上已经超过传统的学习算法或与之不相上下。在遥感分类上，SVM的主要思想是针对两类分类问题，在高维空间中寻找一个超平面作为两类的分割，以保证最小的分类错误率。对较高分辨率的R、G、B、Nir四个波段的数据效果最好。

面向对象的空间特征提取技术，集合临近像元为对象用来识别感兴趣的光谱要素。充分利用高分辨率的全色和多光谱数据，利用空间，纹理，和光谱信息对图像分割和分类的特点。