准确快速的获取农作物分类信息在农作物种植面积监测与制图、作物长势监测与产量估算、农业灾害监测及生态环境信息监测等方面有重要应用,对于政府了解农作物种植信息,调整农业产业结构,确保国家粮食安全等均有重要意义。随着无人机平台及摄影测量技术的发展,无人机遥感为农作物分类调查提供了新思路,无人机具有作业灵活、操作简单、节省人力物力等特点,可以获得超高分辨率遥感影像,在中小尺度上,无人机能充分发挥优势,还可以为大面积卫星遥感提供地面验证,对作物监测技术的发展和应用具有重大意义。因此,通过无人机遥感影像获得农作物分类信息十分必要。本文研究了一种利用无人机影像光谱、纹理、空间特征组合提取农作物分类信息的方法,并初步分析了无人机影像分辨率对农作物分类精度及效率的影响。首先,我们进行研究区域选择和地面实际情况调查,用无人机遥感系统进行可见光影像采集;其次,基于可见光影像及数字表面模型提取农作物光谱、纹理、空间组合最优分类特征,采用支持向量机进行农作物无人机遥感影像的分类研究;最后基于支持向量机分类方法获取不同分辨率影像的农作物信息,统计分类精度及分类速度,分析无人机遥感影像分辨率对农作物分类精度的影响,本文研究并实现了以下内容:(1)无人机可见光遥感影像采集及预处理。采用固定翼无人机对黑龙江省农科院民主研究基地进行可见光影像采集,并对原始单张影像进行预处理,获得拼接后的可见光正射影像以及数字表面模型影像。(2)基于无人机遥感影像多特征的农作物分类研究。要实现对农作物分类信息的精准提取,需要对无人机遥感影像进行图像处理,选取能够进行农作物分类的特征信息。首先,确定研究区域内农作物分类类别,分别对可见光遥感影像进行可见光植被指数计算及纹理滤波;其次,针对数字表面模型(DSM)数据特点,对两期DSM数据进行差值处理,获得差异数字表面模型数据(DDSM),提取作物高度信息,并根据农作物冠层特性对差异数字表面模型进行滤波处理;最后,进行特征优选及组合,使用SVM方法进行农作物分类,最终确定最优分类特征为RGB、红波段对比度、绿波段二阶矩、蓝波段方差、DDSM、DDSM方差、DDSM对比度,分类精度由71.86%提高到92.30%,验证了由DSM影像提取的空间特征可以提高农作物分类精度。(3)无人机影像分辨率对农作物分类精度及效率的影响的初步分析研究。首先使用重采样生成不同分辨率的无人机遥感影像;其次,使用支持向量机分类方法进行农作物分类研究,计算不同分辨率影像的农作物分类结果及时间。结果表明:随着影像分辨率的降低,纹理、空间特征对分类精度的提升作用减小,农作物分类精度降低。明确了在无人机遥感高分辨率影像农作物分类中光谱、纹理、空间组合特征的必要性,验证了光谱、纹理、空间组合特征有助于提高农作物分类精度。