طبقه‌بندی بافت‌های شهری فرسوده از طریق تصاویر ماهواره‌ای به روش‌های مختلف، با استفاده از هر دو رویکرد مبتنی بر پیکسل و مبتنی بر شی، تکامل‌یافته است. این مطالعه بر روی کاربرد آنالیز تصویر مبتنی بر شی (OBIA) برای طبقه‌بندی این بافت‌ها تمرکز دارد. هدف بررسی حاضر‌‏؛ ‌‌تکنیک‌های مختلف مبتنی بر شی برای شناسایی اشیا و ارزیابی اثربخشی هر روش است. این پژوهش از نوع توصیفی - کمی بوده و داده‌ها با استفاده از تصاویر ماهواره‌ای و تحلیل‌های شی گرا در نرم‌افزار eCognition جمع‌آوری شده است. قلمرو مکانی این تحقیق، شهر تبریز و سه منطقه شهید بهشتی، بارنج و کرکج است که به‌عنوان نمونه‌هایی از بافت‌های فرسوده شهری انتخاب شده‌اند. برای پردازش داده‌ها، از مدل‌های کنتراست (GLCM)، آنتروپی و انحراف معیار برای تحلیل و طبقه‌بندی بافت‌های فرسوده استفاده شده است. این مدل‌ها برای شناسایی دقیق‌تر ویژگی‌های مکانی و طیفی مناطق شهری به کار رفته‌اند و دقت هر یک از آن‌ها از طریق ماتریس خطا و ضریب کاپا ارزیابی شده است. ویژگی‌های طیفی مناطق مسکونی، جاده‌ها و فضاهای سبز با استفاده از سه روش متمایز مبتنی بر شی شناسایی و طبقه‌بندی شدند. در بین روش‌های ارزیابی‌شده، روش کنتراست به‌عنوان مؤثرترین روش ظاهر شد که به‌دقت کلی0.8938.1 و1 برای بافت‌های فرسوده دست‌یافت. یافته‌های ما نشان می‌دهد که روش کنتراست GLCM توانایی‌های برتر را در شناسایی اشیا در محیط‌های شهری نشان می‌دهد که نشان می‌دهد الگوریتم‌ها و ویژگی‌های OBIA دارای پتانسیل قابل‌توجهی برای تشخیص و طبقه‌بندی مناطق شهری هستند. این تحقیق بینش‌های ارزشمندی را برای برنامه‌ریزان شهری در تصمیم‌گیری آگاهانه برای تحولات آتی ارائه می‌دهد.