سنجش از دور به عنوان منبع مهمی از داده و اطلاعات در زمینه های مختلف به شمار می رود. با استفاده از تصاویر سنجش از دور، می توان اطلاعات به روز و نسبتا ارزانی را به دست آورد. بنابراین برای استخراج اطلاعات از تصاویر سنجش از دور فعالیتهای بسیاری صورت گرفته است و متدهای متفاوتی در این زمینه خلق شده است. روشهای بسیاری برای طبقه بندی وجود دارند که هر یک دارای مزای و معایبی می باشند روشهای طبقه بندی استاندارد. پیکسل را به عنوان المان اصلی در نظر می گیرند. و برای هر پیکسل به صورت مجزا تصمیم می گیرند. و بنابراین خطاهای مختلفی در اینگونه تفسیر ظاهر می شود پیکسلهای مرکب، اساس فرضیات اخذ شده در الگوریتم طبقه بندی تأثیرات سنجیده و همپوشانی طیفی پوششهای مختلف طبقه بندی نا صحیح را نتیجه می دهد برای فائق آمدن بر چنین خطاهایی و بهبود نتیجه طبقه بندی با استفاده از دانش خارجی، متدهای جدیدی خلق شده اند طبقه بندی به روشهای دانش پایه و شی ء مبنا نمونه هایی از این تلاشها می باشند. در این پایان نامه هدف این است که نشان دهیم استخراج اطلاعات از داده های سنجش از دور می توانند به وسیله داده ها و دانش جانبی بهینه شوند. عوارض مورد نظر در این پایان نامه زمینهای کشاورزی می باشند. مجموعه داده های مورد استفاده در این تحقیق تصویر etm+ (اخذ شده در تاریخ 2/2/1380) تصویر aster (اخذ شده در تاریخ 1/6/1380) نقشه مرزهای مزارع و نوع محصول هر یک از آنها در پنج سال متوالی را شامل می شوند. منطقه مورد مطالعه در این پایان نامه دشت مغان واقع در شمال غربی ایران می باشد. تئوری دانش جانبی مربوط به دوره کشت را بوسیله ماتریسهای انتقال (احتمالات انتقال) به شکل ریاضی تبدیل نموده و مورد استفاده قرار می دهیم. احتمالات تولید شده بر اساس محصولات کشت شده در فصل پیشین به عنوان احتمالات اولیه در طبقه بندی به روش بیشترین شباهت وارد می شوند. برای منطقه مورد نظر دقت کلی طبقه بندی نسبت به روش بیشترین شباهت (با احتمالات اولیه یکسان) از ./.2/53 به ./.7/66 افزایش می یابد. تئوری داشن جانبی مربوط به زمان برداشت بعضی محصولات در خرداد ماه هر سال بوسیله نقشه ndvi تولید شده از تصویر aster بصورت ریاضی تبدیل شده و مورد استفاده قرار می دهیم. دقت در این مرحله به ./.3/72 افزایش می یابد. به منظور برآورد نوع محصولات زمینهای کشاورزی با معلوم بودن هندسه و مرزهای این عوارض طبقه بندی به روش دانش مبنا مورد استفاده قرار می گیرد. و در این مرحله دقت به ./.7/88 افزایش می یابد. موارد مورد مطالعه در این پایان ناه نشان می دهد که مشخصات موضوعی عوارض زمینی را می توان بوسیله تفسیر رقومی داده های سنجش از دور استخراج نمود و دانش جانبی و داده های کمکی می توانند به بهبود تفسیر تصویر کمک شایانی نمایند.