农业是国家的发展基础。农作物类别精确识别是农业现代化进程中一个重要的环节,在农业灾情监测、农作物估产、长势分析、确定农作物类别面积以及空间分布等应用中具有重要作用。同时也是农业生产过程中合理分配资源、科学调整农业结构、规划经济发展战略的重要依据。无人机是一种无人驾驶飞行器,可以由计算机预置程序或者遥控设备控制,已经成为了一种重要的对地观测手段,为精准农业的发展提供了支持。在无人机上搭载高光谱传感器,可以获得同时兼具高时间分辨率、高空间分辨率与高光谱分辨率的遥感数据,更丰富细微的光谱与空间信息,以及更加精确的农情信息。但同时也导致了“同物异谱”和“同谱异物”的现象,因此最大程度地合理运用这些信息十分重要。基于概率图模型的分类方法能够借助图论知识充分利用上下文信息。随机场模型就是概率图模型的一种,是基于空间上下文信息分类方法的研究热点之一。马尔科夫随机场是典型的随机场模型,能够建模分类标记的上下文信息,但是它要求观测信息在给定标记的条件下是独立分布的,限制了空间信息利用的灵活性。条件随机场模型克服了马尔科夫随机场模型的缺点,减少了对概率分布的要求,直接建模给定观测数据的后验概率,可以同时在标签数据和观察数据中考虑上下文信息,具有建模的灵活性。因此,本研究以中国湖北省洪湖市和汉川市的农田为研究对象,利用无人机高光谱遥感平台获取高空间分辨率高光谱遥感影像为实验数据,辅助野外调查手段记录农作物空间分布的信息,在条件随机场模型的框架下融合了影像的光谱信息、空间上下文信息、空间特征信息和空间位置信息,开展基于无人机高光谱遥感的农作物精细分类研究。本文主要研究并实现了以下内容:（1）融合纹理信息的条件随机场高光谱影像农作物精细分类。针对传统农作物分类方法分类方法仅局限于光谱信息的利用的问题,通过在条件随机场模型的框架中设计合适的势函数来融合基于整体角度考虑的纹理信息和基于像元角度考虑的空间上下文信息,充分利用光谱信息和纹理信息进行分类,有效地减少了分类噪声,保持了农作物的边缘完整性,同时缓解了“同物异谱”和“同谱异物”的现象以及传统条件随机场模型中存在的过度平滑问题。（2）空-谱融合的条件随机场高光谱影像农作物精细分类。根据农作物种植分布以及类型的特点,在提取光谱信息和纹理信息的基础上,融合端元、形态学等多角度空间特征,在条件随机场模型的框架中建模高空间分辨率高光谱影像的多角度空-谱融合特征,更加充分地挖掘影像的潜在信息,有效地缓解了同一地物内部的光谱变化和异质性问题。（3）融合空间位置信息的条件随机场高光谱影像农作物精细分类。通过考虑较大范围的像元之间的相互影响,建模高空间分辨率高光谱遥感影像的空间位置信息,挖掘较大尺度的空间交互信息。通过在条件随机场模型的框架中构建高阶势函数,融合光谱信息、多角度空间特征信息、局部空间上下文信息和空间位置信息,提高农作物精细分类的精度。