近十几年来，一系列高分辨率遥感卫星的陆续成功发射，标志着地球空间数据获取与处理技术新时代的到来。高分辨率遥感卫星数据获取能力的提高，使得我们获得了从宏观到微观、从定性到定量的持续对地观测能力。然而，随着卫星遥感图像分辨率的提高，遥感影像信息量越来越大，图像内容也变得丰富多样。这种变化，一方面促进了遥感应用的深入，另一方面给遥感图像数据分析技术带来新的挑战，一系列针对高分辨率遥感图像应用的信息处理与识别问题也随之出现。传统的图像分类技术与方法已经不再适合高分辨率卫星遥感图像分类的需求。因此，研究面向高分辨率遥感图像的分类技术体系与方法，对于提高高分辨率遥感图像的信息提取能力，促进遥感应用，具有十分重要的理论研究意义和应用价值。　　 论文在全面分析和总结遥感图像分类技术的研究历史和现状的基础上，针对高空间分辨率遥感图像具有丰富的空间信息和纹理信息的特点，围绕分类这一核心问题，开展高空间分辨率遥感图像分类策略及其相关关键技术研究，并进行算法实现。论文的主要研究工作和结果如下：　　 1、提出了一种基于映射机制的高分辨率遥感图像分类的算法构架。该算法构架针对高分辨率遥感图像特定的数据形式和数据内容而采用了“特定”的分类策略：即利用空间分辨率较低的多光谱数据先进行基于传统分类方法的分类，然后依据面积或者类别主导原则将分类的结果映射到多光谱图像面向对象分割的结果中，形成多光谱数据面向对象的分类结果；为了进一步充分利用空间分辨率较高的全色图像数据进行区域边界的准确提取，将全色图像进行面向对象的分割，然后将多光谱面向对象分类结果依据面积或者类别主导原则完成多光谱到全色的映射，获得最终的面向对象的分割结果。　　 2、对图像分类过程中涉及的若干关键技术进行了深入研究，将人类的视觉感知特性引入到高分辨率遥感图像分类过程的滤波、多尺度分割与表示、区域合并以及特征映射等各个关键技术环节，并提出有效的解决方案，具体包括：　　 1)基于视觉感知特性的自适应形态学滤波算法。高分辨率遥感图像的前期滤波预处理是进行后续处理的关键环节。提出了一种将人类的视觉自适应特性与数学形态学滤波相结合的算法，用于消除高分辨率遥感图像后续分割中存在干扰噪声。　　 2)基于视觉模糊机制的多尺度分割与表示方法。根据人类视觉模糊机制，提出一种基于对比敏感度函数(Contrast Sensitivity Function)的图像多尺度滤波与分割方法，将粗尺度的易分割性与精细尺度分割的准确性相结合，获得更加合理的分割的结果。人眼通过改变视角，可以在不同的尺度下对图像进行观察，从而获取不同尺度的信息，论文根据人眼视觉的多尺度特性，对高分辨率遥感图像进行多尺度滤波、分割与映射，为图像提供良好的分类基础。　　 3)针对高分辨率遥感数据的特点，为将全色与多光谱数据信息有机耦合，采用映射机制，将传统基于像素的分类方法与面向对象分类方法相结合，实现高分辨率遥感图像的分类。　　 3、以IKONOS、SPOT-5卫星图像作为数据源，进行了系列的实验、分析和对比。实验结果表明，基于映射机制的高分辨率遥感图像分类算法可以将高分辨率遥感图像的全色与多光谱数据信息有机耦合，实现传统基于像素与面向对象的分类方法结合，提高分类精度。