通過將特征值轉化為模糊值，模糊分類可以將特征值標準化，即使它們是不同範圍和維數的特征值的組合。模糊分類還提供了壹個清晰的、可調整的特征描述。對於圖像分類，基於像素的信息提取是根據表面某個像素範圍內的平均輻射值對每個像素進行分類。這種分類原則使得高分辨率數據或紋理特征明顯的數據中的單個像元價值不大。在很多情況下(高分辨率或紋理影像數據)，地物的分類特征是用紋理特征來表示的，而不僅僅是光譜信息。
此外，所有這些背景信息在圖像分析中非常重要。比如城市綠地和壹些濕地在光譜信息上就相當相似。只要在面向對象的影像分析中將城市綠地的背景定義為城區，就很容易區分綠地和濕地，而這種背景信息在基於像元的分類中幾乎沒有使用。面向對象的圖像分析技術是空間信息技術長期發展的產物，在遙感圖像分析中具有巨大的潛力。
到目前為止，面向對象的方法是壹種理想的方法，可以建立與現實世界相匹配的地面模型。面向對象處理方法最重要的部分是圖像分割。隨著對地觀測任務的逐步細化，高分辨率遙感衛星影像得到了越來越廣泛的應用。這給遙感圖像的分類方法帶來了挑戰。現有研究表明，基於像元的高分辨率遙感影像分類存在明顯的局限性。近年來，基於對象的圖像分析(OBIA)被認為是遙感和地理信息科學的重要發展趨勢，在高分辨率遙感圖像處理中的作用越來越突出。