山区遥感图像的信息识别与提取一直是遥感应用技术研究的难题。山区地理条件特殊，山高坡陡、地形复杂，地块零碎，在遥感图像上形成了大量的阴影区和混合像元，被认为是遥感图像分类的难点地区。如何找到针对山区遥感图像行之有效的分类方法，成为目前研究的热点问题。在这种图像中，单纯依据光谱响应特征的分类，难以获得符合实际的分类结果。在进行山区遥感图像分类时，既要依据图像的光谱响应特征，也应考虑其空间特征对分类效果的影响。纹理特征作为遥感图像重要的空间特征之一，不但是对于图像各像元之间空间分布的一种描述，而且作为遥感图像中的高频成分，能充分反映了如山脊线、类界限、水系网等线、面状地形要素的分布格局。对遥感图像的识别与分类具有指示意义。 本文在“临安市土地利用总体规划(2005-2020)修编”项目的支撑下，以浙江省临安市大峡谷镇为研究区域，利用Landsat 7 ETM+全色图像，对纹理特征的提取以及纹理特征在浙西山区遥感图像分类中的应用技术与方法进行较为深入的探讨与研究。主要研究内容和研究结论包括： (1)在分析研究区遥感图像典型地物的纹理特征的基础上，采用不同的方法提取纹理特征。首先是基于灰度共生矩阵法的纹理特征提取，通过分析、对比，利用纹理的变异系数得出13×13为最佳可分性窗口的研究结论，计算并得到了8个纹理特征。然后考虑到灰度变化的梯度信息，因此，采用Robert算子、Prewitt算子、Sobel算子和Canny算子四种不同的边缘检测算子进行边缘信息的提取，得到研究区边缘图像，并对不同的边缘图进行了定性与定量相结合的评价，综合分析之后利用Canny算子作为梯度算子，计算并得到基于灰度-梯度共生矩阵的15个纹理特征。 (2)通过两种不同的方法共得到23个与形态和边缘有关的纹理特征(包括灰度共生矩阵法得到的8个纹理特征，灰度-梯度矩阵法得到的15个纹理特征)。在对不同的类可分性度量标准比较之后，以内类内间距离作为适应度函数，利用遗传算法对所提取的23个纹理特征进行特征选择，最终得到一组由9个纹理特征组成的最优纹理特征子集。它们是对比度，熵，角二矩阵，相关，小梯度优势，灰度分布不均性，灰度方差，混合熵，逆差矩。 (3)充分考虑纹理特征、地形特征等因素对山区遥感图像识别与分类的影响，在遥感图像光谱响应特征构成的特征空间的基础上，进行了特征空间再扩展的探讨与尝试，构建了由光谱响应特征、主成分特征、纹理特征集以及地形因子组成的在扩展特征空间。即原来的光谱响应特征所构建的特征空间为X=(x1，x2，……x6)。除原来光谱响应特征外，本研究对多光谱图像进行了K—L变换，并取前两个主成分PC1，PC2；同时，由9个纹理特征组成纹理特征集Y=(y1，y2，……y9、)；在地形特征中考虑坡度和坡向，Z=(z1，z2)。最后，扩展后的特征空间为T=(X，PC，Y，Z)，并利用最大似然比分类法对研究区地物目标进行了分类。 (4)研究结果表明： ①基于光谱响应特征的分类精度为80.91％，Kappa系数为0.7661； ②考虑特征空间的扩展，特别是光谱响应特征结合地形特征的分类精度为82.32％，Kappa系数为0.7831； ③光谱响应特征结合纹理特征集的分类精度为85.05％，Kappa系数为0.8161。 分类结果表明，对于浙西山区来说，纹理特征和地形因子辅助地物目标的识别与分类可以较好地改善分类的精度。纹理特征一方面突出了自身空间几何结构比较明显的建设用地、河流等信息；另一方面还可以较好地区分山体起伏较大地区的阴影与水体。地形特征的加入则主要是增强了林地、园地等具有明显空间分布规律的土地利用/覆被类型的差异，减少了它们之间的混分。