遥感监督分类中训练样本集的质量直接影响着分类精度。由于训练样本的选取往往耗时费力，因此如何减少训练样本的需求量，简化训练样本的选取难度，具有重要的研究意义。本项目将主动学习方法与支持向量机算法相结合，引入遥感影像分类中，并加以改进和完善，将传统监督分类算法被动接受训练样本改为主动选取信息量最大的样本，这一方面可以提高基于小训练样本集的高光谱遥感影像的分类精度，另一方面，使序列遥感影像分类中能够有效利用前期遥感影像中所选取的训练样本，从简化序列影像分类中训练样本的选取工作，并可以在此基础上进一步实现序列影像自动化分类。同时，该研究也将为以后以波谱知识库模拟的数据作为训练样本进行分类奠定基础，推动遥感影像分类走向真正的自动化。