Recente verbeteringen in remotesensingtechnologie maken het mogelijk om verschillende aspecten van objecten op aarde te meten. Ondanks de rijkdom aan beschikbare informatie blijft de automatische interpretatie van remotesensingdata uitdagend. Zoals, enorme hoeveelheden data, De beperkte trainingssamples, en verschillende gegevensbronnen hebben verscheidene voordelen en nadelen. Om de bovenstaande uitdagende problemen aan te pakken, levert dit proef- schrift een aantal bijdragen op vlak van kenmerkenextractie en datafusietech- nieken om de classificatienauwkeurigheid van remote sensing beelden te ver- beteren. In het algemeen kunnen onze voorgestelde methoden op een meer effectieve wijze kenmerken extraheren die leiden tot een hogere classificatien- auwkeurigheid en een hogere efficiëntie in het verminderen van de rekencom- plexiteit. Dit leidt tot mogelijke verbeteringen voor de verwerking van grote datasets.