با توجه به این امر که در طبقه‏بندی تصاویر با قدرت تفکیک مکانی متوسط، با مسئله‏ی وجود پیکسل‏های مختلط در تصویر روبرو هستیم، استفاده از روش‏های طبقه‏بندی فازی به جایروش‏های طبقه‏بندی متداول ضروری به نظر می‏رسد. همچنین مطالعات اخیر نشان می‏دهند که استفاده از اطلاعات مجاورت به همراه اطلاعات طیفی می‏تواند منجر به صحت بالاتری در طبقه‏بندی شود. استفاده از اطلاعات مجاورت در بخش پس پردازش طبقه‏بندی تصاویر با توجه به این مزیت که وابسته به نوع طبقه‏بندی‏کننده نمی‏باشد، در این تحقیق مورد توجه قرار گرفته است.در این تحقیق قوانین اتصال در فضای توپولوژی فازی در مرحله‏ی پس‏پردازش نتایج طبقه‏بندی‏کننده‏های فازی بیشترین شباهت، ماهالانوبیس و ماشین‏های بردار پشتیبان پیاده‏سازی شده است. برای تلفیق طیفی نتایج حاصل از طبقه‏بندی‏کننده‏های فوق تابعی ارائه می‏شود و همچنین برای تلفیق مکانی نتایج در فضای توپولوژی فازی در مرحله‏ی پس‏پردازش دو راهکار پیشنهاد و پیاده‏سازی شده است. در این تحقیق از 4 باند طیفی یک زیر تصویر لندست استفاده شده و روش‏های مورد نظر پیاده‏سازی شده‏اند. نتایج نشان می‏دهد که اعمال قوانین اتصال در فضای توپولوژی فازی بر روی نتایج تلفیق طیفی بالاترین مقادیر صحت کلی و ضریب کاپا را به میزان به ترتیب 89.81 و 89.78 را ارائه می‏دهد. همچنین نتایج بهبود حدودا 10 درصدی را در مقایسه با حالتی که از یک طبقه‏بندی‏کننده‏ی متداول استفاده شود، را نشان می دهد.