高分辨率遥感影像因具有丰富的光谱、纹理、结构信息,广泛应用于农业、林业、地质调查与分析、城市规划等行业。针对高分影像的场景分类是以上各种应用的基础技术之一,其目的是对图像场景整体的认识和分析,获得影像自身的场景语义信息以解释影像场景的内容。传统的遥感影像分类技术已经十分成熟,面向像素或面向对象的均能达到相对较高的分类精度。然而,对于一些具有高级语义特征的影像场景,如机场、商务区、居民区、停车场,其构成可能为多种地物类型,加之同一类地物也在不同影像中可能存在复杂的空间结构和光谱异质性特点,以及不同的光照条件,尺度变异造成的影响,使传统的分类方法很难胜任影像的场景分类的任务,其根本原因在于传统分类方法很难建立影像低层视觉特征,如光谱、纹理、结构与高层语义信息之间的联系,即所谓的“语义鸿沟”。视觉词袋模型结合概率主题模型是目前比较常用的解决“语义鸿沟”问题的方法,鉴于概率主题模型本身固有的缺点,本文引入自然语言处理模型Doc2Vec,提出一种视觉词袋模型结合Doc2vec模型的高分辨率遥感影像场景分类方法。为验证本文方法的有效性,本文设计了以21类语义场景的UC Merced数据集和具有4个不同尺度的7类语义场景RSSCN7数据集为基础的场景分类实验。首先,梳理场景分类相关文献中遥感影像常用的低层特征,结合本文方法技术路线,数据概况,应用场景等情况,选择GLCM作为提取影像纹理特征算法,颜色矩作为影像的光谱特征,SIFT作为影像的结构特征算法。其次,在提取影像特征阶段,对采样方法进行了改善。根据颜色矩,GLCM纹理特征,SIFT特征的特点,分别采用超像素分割法,均匀网格采样法,以及密集关键点采样法对3种特征进行采样,以期获得最优的特征集。最后,为验证Doc2vec的性能,本文设置实验与TF-IDF和LDA等概率主题模型进行对比,UC Merced侧重于测试模型多类别场景分类性能,RSSCN7侧重于测试在不同尺度以及光照、尺度变异的情况下模型的分类性能。实验结果显示,本文方法在两个数据集上具有较高的分类精度和鲁棒性的同时,优于传统概率主题模型,有效表达了影像内容及特征。