اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن مقدار زیادی از اطلاعات فضایی مفید مانند بافت در طبقه بندی تصاویر می گردد. پژوهش های زیادی در زمینه به کارگیری بافت در طبقه بندی تصاویر انجام گردیده است، لیکن استفاده هم زمان از بافت و اطلاعات طیفی مبحث جدیدی است که به آن کمتر پرداخته شده است. در این پژوهش سعی گردید تا با استفاده از بافت استخراج شده از تصویر تک طیفی سنجنده ali. دقت طبقه بندی تصاویر ابرطیفی سنجنده hyperion در محیط های شهری بهبود یابد. بافت تصویر تک طیفی با روش ماتریس هم وقوعی استخراج گردید. روش طبقه بندی مورد استفاده نیز روش svm بوده و در سه مرحله طبقه بندی با استفاده از این روش انجام پدیرفت: 1- طبقه بندی اطلاعات طیفی تصویر ابرطیفی. 2- طبقه بندی تصاویر ترکیب شده با استفاده از روش hpf و .cnt 3- طبقه بندی با استفاده هم زمان از بافت تصویر تک طیفی و تصاویر ادغام شده. در مرحله بعد تاثیر تغییر دو پارامتر نوع بردار ویژگی ماتریس هم وقوعی و اندازه پنجره استخراج بافت در پوشش های مختلف کاربری مورد تحلیل قرار گرفت. این بررسی ها نشان داد که استفاده از بافت در طبقه بندی تا حد زیادی دقت پوشش های کاربری مناطق شهری مانند بافت مسکونی، ردیف های درخت را بهبود می بخشد. افزایش دقت در بعضی از کلاس ها تا 53 درصد مشاهده گردید و دقت کلی طبقه بندی به میزان 8 درصد افزایش یافت.