監督分類，也稱為訓練場方法，是壹種基於建立統計識別函數的技術和典型的樣本訓練方法。即根據已知訓練區域提供的樣本，選取特征參數，找出特征參數作為決策規則，建立判別函數對待分類圖像進行分類，這是壹種模式識別的方法。要求培訓區域具有典型性和代表性。如果準則滿足分類精度的要求，則該準則成立；相反，需要重新建立分類的決策規則，直到滿足分類精度要求。常用的算法有判別分析、最大似然分析、特征分析、序列分析和模式識別。
流程:
1.選擇培訓區域(代表性、完整性和多樣本區域)
2、提取統計信息(多元統計分析、訓練樣本的有效評估、樣本提純)。
3.選擇合適的監督分類算法(並行算法、最小距離法、最大似然法(目前為止應用最廣泛)、光譜角分類)。
4、計算機自動分類
5、分類精度評價(非位置精度、位置精度-混淆矩陣)
優勢:
1，我們可以充分利用分類區域的先驗知識，提前確定分類類別；
2.可以控制訓練樣本的選擇，對訓練樣本進行反復測試，提高分類精度，避免分類出現嚴重錯誤。
3.避免了無監督分類中光譜聚類的重新分類。
缺點:
1，主觀因素強；
2.訓練樣本的選擇和評估需要更多的人力時間；
3.只能識別訓練樣本中定義的類別，從而影響分類結果。