本文源自国家高技术研究发展计划(863计划)专题课题(NO:2007AA12Z156,高空间分辨率影像目标自动识别)。　　 随着遥感平台及计算机技术的迅猛发展,高分辨率遥感影像的应用领域得到了极大的拓宽。极其丰富的信息数据为进一步的信息处理提供了良好的数据支持,扩大了对自然界观察的视野。然而,面对如此的机遇,如何有效地处理及应用这些数据并将其转换为能够合理应用的信息是目前存在的需要迫切解决的问题。较普通遥感影像而言,QuickBird等高分辨遥感影像表现出诸如形状、纹理以及上下文等更多更好的地物信息。对于这些影像而言,利用传统分类方法势必导致分类精度降低,同时还造成信息大量冗余、资源浪费。　　 本文围绕如何提高高分辨影像分类精度这一影像处理中心问题,以QuickBird影像为主要信息源,在提取总结前人研究工作的基础上,提出该类影像分类的新算法及改进思路。本文主要研究内容如下:　　 1.在对传统分类算法进行研究的基础上,分析以往算法的优缺点,针对高分辨率遥感影像特点,对面向对象高分辨遥感影像分类技术进行了深入研究,并对其中各环节进行了详尽描述,最后结合高分辨率遥感影像特性提出了实现分类的关键算法;　　 2.研究现今新型主流的模式识别算法,对支持向量机基本原理及其中的核心技术进行了详细的分析。并对其实际实现算法进行了改进,保证支持向量的稀疏性出现。最后将其应用到遥感影像分类识别中,扩大了其应用范畴;　　 3.对多分类器系统进行融合研究,提出多分类器融合综合规则的多分类器系统。针对特定的遥感数据,根据不同分类器的固有属性,选择分类器进行融合分类。