به منظور نظارت بر نحوه گسترش شهر و تغییرات بر محیط زیست، طبقه بندی پوشش زمین یک چالش و همچنین کار ضروری است. در این پروژه روشی ترکیبی جهت بخش بندی و طبقه بندی تصاویر sar نواحی شهری ارائه شده است.برای طبقه بندی این تصاویر، طبقه بندی کننده های knn و svm به کار گرفته شده اند.در روش پیشنهادی، دو دسته ویژگی های نوع اول و ویژگی های نوع دوم برای آموزش طبقه بندی کننده در نظر گرفته شده اند. برای محاسبه ی ویژگی های نوع دوم که تحت عنوان ویژگی های بافت بیان می شود، از ماتریس glcm استفاده شده است. این کار بر روی داده های sar شبیه سازی شده و واقعی انجام شده است. برای داده-های واقعی به دلیل عدم وجود زمین مرجع آنها، تصویر مربوط به مرحله ی آموزش در ابتدا با استفاده از خوشه-بندی fuzzy c-means خوشه بندی شده و درصدی از آنها به عنوان نمونه های آموزشی انتخاب شده اند. پس از انتخاب نمونه های آموزشی و محاسبه ویژگی های مطرح شده، طبقه بندی بر روی تصاویر ارزیابی، انجام شده است.