随着遥感图像的越来越多元化,基于单一分辨率数据进行分类的缺点也逐渐显现出来。低分辨率遥感图像普遍存在着混合像元解析能力差、分类精度低的问题;而高分辨率遥感图像覆盖范围普遍偏小、分类处理时间较长。复合分类方法的核心思想是用高分辨率图像来指导低分辨率图像的分类,它既可以在一定程度上保证分类精度,同时又可以有效解决高分辨率遥感图像覆盖范围小的问题。本文基于多个存在分辨率差异的SAR海冰图像,重点进行基于层级条件随机场(CRF)算法的SAR海冰图像复合分类的研究。本文具体工作如下:首先,针对复合分类中SAR海冰特征差异较大的问题,本文通过实验筛选出最适合海冰复合分类的特征。对于高分辨率差异的SAR海冰图像来说,由于数据来源不同,极化方式存在差异,本文提取了 8种纹理特征用于特征筛选,通过对分类结果的Kappa系数、准确率、召回率及F1值的对比,选择了最适合海冰复合分类的Gabor纹理特征。其次,提出了一种结合分层级方法的条件随机场算法。条件随机场算法可以捕获多标签间的语义关联,由于这种关联它可以将不同分辨率图像的纹理、颜色、位置和边缘差异的影响降到最低,进而保证了分类精度。但是由于SAR图像数据量往往较大,仅使用条件随机场算法很难保证分类速度。因此,本文提出了结合分层级方法的条件随机场算法。该算法降低了分类时间,又保证了分类精度,更适用于本文中的SAR海冰图像复合分类。最后,将本文提出的算法与三种传统复合分类方法的分类结果进行了比较分析。对于复合分类来讲,如何验证分类有效性是个难题,本文设计了一套能够有效验证复合分类效果的方法。基于该方法,通过Kappa系数的对比证明了本文算法的有效性。