本文选用新疆沙湾县中北部为研究区域,针对目前基于多时相遥感影像分类大多拘泥于单一特征的现状,开展了综合多特征的提取棉田研究。以2013年九个时相的Landsat8遥感卫星影像为基础数据,通过提取NDVI时间序列,最佳时相反射率光谱特征及纹理特征构成综合多特征集。考虑到在训练样本充足的情况下,参与分类特征过多时,可能会由于信息冗余导致分类精度降低的情况,本文研究了适合于多类型特征的特征选择算法,然后利用优选特征集进行分类,提取棉田,并通过混淆矩阵等方式对分类精度进行评价。研究成果如下:(1)提出了改进的OIF特征选择算法:该算法不仅考虑了波段组合整体的信息量及相关性,同时考虑了组合内每个波段的信息量及相关性,在此基础上又兼顾了各地类间的可分性。利用改进OIF算法进行特征选择所得优选特征集进行分类,结果明显优于OIF算法所得优选集的分类结果,这表明此算法有效改善了OIF算法在特征选择方面的性能;(2)与仅利用NDVI时间序列的分类结果相比,综合多特征集的分类总体精度和棉花精度都有所提高;(3)与特征选择前相比,经改进OIF算法和基于属性重要度的粗糙集算法进行特征选择后,分类精度均有所提高。结果表明:利用这两种方法进行特征选择,参与分类的特征数目大大减少,不仅提高了分类精度,也有效降低了分类器的计算复杂度。有力验证了改进OIF算法及基于属性重要度粗糙集算法在进行多特征选择时的有效性。