草地和树木都是绿色的植被。在全球变化研究中,植被被公认为是反映生态环境变化的重要而又敏感的指示器。利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。本文以无人机航拍高分辨率遥感影像草地和树木信息提取为目标,从几何校正、图像匀光、分类方法等方面着手进行研究,探索高分辨率遥感数据、不同信息提取方法。论文首先研究遥感影像预处理。主要包括图像的几何校正和图像匀光等处理。对引起航拍影像几何畸变的原因进行了分析,总结常用的几何校正方法,用MATLAB语言设计并实现。同时对影像内不均匀光照现象,采用马斯克匀光法处理,提出了一种背景影像的生成方法,对初步匀光后的影像再结合直方图拉伸处理,能够得到较好的匀光效果。第二部分在影像预处理的基础上,研究植被与非植被的分类。一方面提出加权Fisher模糊判别的监督分类方法,在遥感影像影像道路、植被、裸土地分类应用,得出加权Fisher模糊判别比直接Fisher判别的kappa系数更高。另一方面提出基于爬山算法与模糊C-均值结合的非监督分类方法,在遥感影像影像植被与非植被分类应用,聚类迭代次数和聚类收敛曲线对比,实验表明改进FCM影像分割方法在分割速度上具有明显的优势。第三部分研究遥感影像中草地和树木分类。一种是提出双边滤波对影像进行预处理,平滑局部草地(树木)相似的纹理,同时保持草地与树木的边缘特征,结合彩色边缘检测和数学形态学,获得树木的区域,实现草地和树木的分类。另一种是提出基于纹理特征的前意识认知模型,在纹理显著特征图分割草地和树木,用均值、标准偏差,信息熵,直方图来描述影像中草地和树木的分类结果对比,说明用颜色空间分割是困难的。