En este artículo se presenta un esquema de clasificación multi-modelos para imágenes satelitales apoyado con información de contexto con el que se mejora la precisión de una pre-clasificación obtenida con algoritmos paramétricos. El nuevo esquema utiliza una red semántica como representación de conocimiento que almacena patrones creados con un ensamble de árboles de decisión (alimentado con características espectrales, de textura y geométricas para describir a las regiones de interés) y por otro lado patrones espaciales creados a partir de una representación basada en grafos (con información de contexto a partir de relaciones espaciales entre las regiones de interés). Los resultados experimentales muestran que el esquema de clasificación propuesto mejora la precisión de la pre-clasificación de los algoritmos paramétricos al utilizar información de contexto.This paper presents a multi-model classification schema for satellite images supported with context information to enhance the accuracy of a pre-classification obtained with parametric algorithms. This new scheme uses a semantic network as knowledge representation that stores the patterns created with a decision tree ensemble (fed with spectral, texture and geometric descriptive characteristics to describe the regions of interest) and spatial patterns created with a graph-based representation (with context information obtained from spatial relations among regions of interest). Our experimental results show that the proposed classifi cation scheme enhances the pre-classification accuracy obtained with parametric algorithms when we use context information.