遥感影像分类是获取植被信息的一个重要方式，而分类方法的选择是影响分类精度的关键因素。从植被遥感分类中是否具有先验知识的分类方法、结合多源遥感数据及相关辅助信息的分类方法、基于机器学习的分类方法和其他分类方法等方面对国内外研究学者的研究进行了评述。为了深入研究在现有的分类方法基础上如何提高植被遥感分类的精度及进行植被遥感细分类，建议利用影像融合DEM的三维地形辅助分类及选取训练样本提高样本分离度，从而提高分类精度及效率；将混合像元分解思想融入到现有的植被遥感分类方法中，综合地形、纹理、光谱等辅助信息进行细分类及提高分类精度；继续开展对“软”分类器方法的研究，将单个像元分解为不同组分，从“亚像元”级进行植被遥感分类，不仅有利于植被细分类，还能有效提高植被遥感分类精度。