Dans cette étude, un modèle de classification d'images basée sur la similarité possibiliste est proposé. Ce modèle, en raison de l'utilisation de concepts possibilistes, présente la flexibilité d'intégrer à la fois de l'information contextuelle et des connaissances a priori. Afin de montrer le potentiel d'une telle approche, une image de synthèse composée de deux classes thématiques a été créée. A partir de connaissances a priori simples, les distributions de possibilités triangulaires sont proposées afin de modéliser les connaissances des classes considérées. Plusieurs mesures de similarité entre les classes ont été testées afin d'améliorer la discrimination entre les classes. La classification est ensuite réalisée en se basant sur le principe de la similarité possibiliste. La méthodologie a été validée sur des images réelles.