随着卫星遥感影像获取途径的增多以及购买成本的降低,构建同一区域的多源时序遥感影像数据集成为可能,这使得基于时序遥感影像的地表覆盖分类研究逐渐成为一个新的研究热点。精确的时序地表覆盖产品更能反映区域土地利用的动态变化,能够为该区域的土地利用监测和未来发展规划提供有力的数据支撑。在地表覆盖分类研究领域,概率图模型是最热门的研究工具。本文选取了其中最具代表性的两种模型:马尔科夫随机场(Markov Random Field,MRF)以及隐马尔科夫模型(Hidden Markov Model,HMM)。为了比较这两种模型与传统监督分类器之间的分类表现,本文以鄱阳湖生态经济区为研究区域,构建了该区域从2007年到2015年的时序遥感影像数据集,并设计了六种实验方案进行分析。本文的主要研究内容包括:(1)为了改善初始分类结果的空间连续性,基于MAP-MRF框架构建了上下文MRF影像分类模型,其中采用多维高斯分布来拟合各种地物类别的分布特征,采用Potts模型来描述二阶邻域系统中双点基团的相互关系,并以此确定能量函数的具体形式,最后通过ICM算法来进行能量函数最小化问题的求解。(2)为了改善初始分类结果的时间一致性,建立了基于HMM的时序地表覆盖分类模型,其中通过统计初始分类结果计算得到初始概率分布,考虑不同地物类别之间转变的难易程度来确定转移概率矩阵,基于基础分类器的概率输出结合贝叶斯公式计算得到观测概率分布。在确定模型三要素之后,应用维特比算法进行最优状态链的求解。(3)为了更加全面地评价六种实验方案的分类表现,构建了四个评价指标用于实验结果分析。其中通过像元类别变化指标来反映分类结果的稳定性,通过不合逻辑转变指标反映分类结果的时间一致性,通过不合理空间分布指标反映分类结果的空间连续性,通过分类精度指标来反映分类结果的正确性。(4)基于隐马尔科夫模型关于隐藏状态链的概率计算方式,提出一种针对时序地表覆盖分类产品的可靠性评价策略。针对有无概率输出两种情形,对状态链概率计算所涉及到的转移概率矩阵和观测概率分布进行不同处理,得到影像每个像元状态链的概率值,并通过概率分级统计方式进行可靠性评价。