近十年来高分辨率对地观测技术得到了迅猛发展,已成为当前世界高科技发展的前沿领域。高分辨率商业卫星的空间分辨率已达到米级或亚米级的水平,能够获取更详细的地面信息,如何实现高分影像解译与地物信息提取已成为当前重要的研究课题。空间结构特征是高分影像最显著的特征之一,高分影像上的各种地物类型都表现出不同程度的结构特性,这些结构既包括纹理的、几何的也包括空间关系的。有效利用高分影像的空间结构信息对于影像的解译与地物信息的提取将具有重要的作用。本文以高分影像的空间结构特征建模与信息提取为主题,系统研究了基于空间统计和数据场的高分影像空间结构特征描述、建模与提取方法,并将获取的空间结构特征与结构模型用于改善高分影像的分类或实现居民区的检测。本文的主要研究工作如下：(1)对高分影像空间结构特征的概念、内涵和特点进行了探讨。借鉴系统科学对结构的认识,本文从影像的组成“元素”以及这些元素之间的“空间关系”来认识影像的空间结构。这里的“元素”是结构分析的基本单元,它既与影像自身的空间分辨率有关,也与人们对事物的认知模式密切相关。考虑到空间结构的多尺度特性,本文提出了高分影像空间结构特征的一个多层次分析框架,该框架将高分影像的空间结构划分为像元结构、目标结构和场景结构三个不同的层次。然后在该框架下,重点了研究高分影像在前两个层次的空间结构特征,并分别研究了基于空间自相关统计、空间半变差函数和数据场的空间结构特征建模方法。(2)研究了基于空间自相关统计的高分影像空间结构描述方法。首先分析了空间自相关统计量对高分影像中不同地物空间依赖的响应。实验发现：Moran’sⅠ和Getis统计量对影像中的同质性区域响应较好,并且后者还能区分是高亮同质区还是低暗同质区；Geary’s C统计量对影像中的异质性区域或边缘区域响应较好。进一步,根据影像中不同区域空间关联强度的差异,使用局部空间统计量和3D阈值分割法实现了高分影像中同质区和边缘结构的提取。接下来,本文将六个空间自相关统计量(包括三个全局统计量和三个局部空间统计量)用于高分影像局部空间结构的描述,并将提取的空间结构特征与光谱特征融合用于高分影像的分类,通过比较分类结果对各统计量的局部空间结构的描述能力进行了比较分析。实验发现：Moran’s I和Getis统计量在改善影像中同质性地物的分类效果较好,同时Getis统计量还具有一定的平滑滤波的作用；Geary’s C统计量能够显著改善影像中的异质性较大的地物类(如建筑区和植被)的分类结果；在相同的邻域窗口条件下,全局统计量能够比局部统计量获取更多的空间结构信息,但是其计算量会显著增大。最后,针对传统的空间自相关统计量描述高分影像局部空间结构信息的不足,本文提出了基于方向空间关联性的特征描述方法。该方法利用了方向射线,能够同时考虑空间关联的强度信息和长度信息,与通常的基于窗口的描述方法相比,它不仅能够提取高分影像局部的空间变异或表面纹理信息,还能够利用地物类的形状和结构信息,同时它还能够减少计算代价。与传统的基于窗口的Moran’s I、Geary’s C、灰度共生矩阵和小波变换方法进行比较,本文提出的方法都表现出了较优越的性能。(3)研究了基于空间半变差函数的高分影像空间结构特征建模与居民区提取方法。本文将半变差函数的形态分为“平衡型”、“不平衡型”和“周期型”三种类型,并且给出了描述半变差函数曲线形态的多个参数,这些参数可用于描述高分影像的空间结构特征。进一步,本文提出了一种基于半变差的高分影像居民区检测方法。该方法利用半变差函数来建模居民区的空间结构特征,实验发现,高分影像中居民区的半变差函数符合具有一定周期的孔穴效应模型。基于该模型本文提取了表征居民区结构的特征参数,并利用该特征通过对高分影像进行基于分块的分类实现居民区的检测。(4)研究了基于数据场的高分影像空间结构建模与居民区提取方法。首先比较了数据场方法与空间统计学中局部空间统计量之间的关系,本文获得了以下结论：通过选择合适的空间权重,局部空间统计量可以统一到数据场势函数体系,或者说局部空间统计量可以作为数据场描述数据对象相互作用的一种势函数。然后借鉴局部空间统计量描述空间关联性的方法,将数据场方法用于高分影像局部空间结构特征的提取,提取的新特征改善了高分影像的分类。最后,将数据场方法用于居民区空间结构的描述与建模,提出了一种基于数据场的高分影像居民区检测方法。该方法将居民区中的建筑物或其部分特征(如特征点、特征线)看成是质点,居民区内部的空间结构通过场来进行描述和建模；进一步,根据居民区与非居民区在势值上的差异,通过阈值分割的方式实现居民区的分割,并通过“噪声”去除、孔洞填充等方法完善了居民区的提取结果。