随着我国高分辨率卫星研制高速发展,我国获取高分卫星影像的能力不断提高。面对海量的高分影像,研究遥感影像质量的评价方法有助于对数据进行筛选分类,根据用户的需求有针对性地提供相应的数据,推动遥感数据服务商业化的发展。在面向应用的遥感影像质量评价方法中,影像的可解译能力是用户选择影像,评价影像可用性的重要指标,并且随着遥感影像空间分辨率的提高,更多地物类别显现,用户对影像可解译的需求也日趋增加,因此本文研究面向高分遥感影像的可解译性质量评价方法。传统遥感影像可解译性评价由美国NIIRS等级来衡量,NIIRS是一个专家判读的主观评价方法,GIQE是针对其开发的客观评价模型,它在已知成像系统的相关参数时,可以对影像的NIIRS进行估算。基于GIQE的遥感影像可解译性评价在国外影像数据中广泛应用。然而,当利用GIQE模型来对国产高分影像进行评价时,存在着一些问题,主要包括:1.影像中需要有用于提取参数的参考目标如人工靶标、特殊的刃边等,这在一般影像上很难找到,而利用自然地物刃边提取参数时受噪声的影响较大;2.国外影像平台和质量与国产高分影像存在差异,GIQE模型参数提取受到实际条件的限制较大,原版模型对国产高分影像的预测结果存在偏差;3.传统GIQE模型中影像可解译性主要由影像空间分辨率支配,相同空间分辨率下影像可解译性差异不明显,模型的预测结果有时不符合真实的人工解译结果;4.GIQE来自对人工解译能力的模拟,缺乏对影像的机器解译能力如影像的计算机可分类性评价的适用性分析。针对自然地物刃边参数提取受到噪声干扰大的问题,本文对GIQE模型刃边参数的获取进行了优化,允许使用自然地物刃边影像来提取参数的同时对其进行严格筛选,主要判断边缘是否平直、刃边影像对比度是否显著,选择其中边缘平直且边缘两侧灰度相差较大的作为参数提取的刃边影像,此外还设置了一个根据像元到刃边距离改变平滑强度的自适应滤波器对刃边影像进行滤波,提高自然地物刃边参数提取的稳定性。针对原GIQE模型的预测存在偏差的问题,本文利用400余张GF-1、GF-2影像构建了国产高分影像评价数据集,并在刃边优化的基础上提取了每张影像的GIQE模型参数并计算获得其模型预测值PNIIRS;同时人工目视解译获得每张影像的真实解译度ONIIRS值。利用最小二乘回归建立训练集中影像ONIIRS与PNIIRS之间的定量关系,获得对于原GIQE模型预测值PNIIRS的修正模型,并利用验证集中的影像进行精度评定。GF-1训练影像集中修正模型的决定系数为0.7890;GF-2影像数据集中修正模型的决定系数为0.8998;GF-1、GF-2通用修正模型的决定系数为0.7920,都能较好地调整GIQE模型的预测值,使之更接近人工解译值。针对GIQE模型中GSD的权重过高的问题,引入MTF性能参数来改进GIQE模型。通过研究MTF与影像质量的关系,选择了MTF-Nyquist、MTF-50与MTFArea三个参数作为影像MTF参数替换GIQE模型中的RER参数来构建影像质量评价改进模型。比较不同MTF参数对模型拟合精度的影响以及验证集中模型预测的准确性,选择MTF-50作为忽略过冲H情形下的MTF性能参数以及选择MTF-Area作为考虑过冲H情形下的MTF性能参数来进行改进GIQE模型的构建,并得到改进模型的表达式。针对GIQE评价计算机可分类性的问题,本文研究了影像的可分类性衡量指标,选择影像分类时目标地物的真阳率TPR与影像的ROC曲线下面积AUC来量化影像的可分类性,并分析了影像NIIRS与TPR、AUC之间的相关性,结果表明,NIIRS越高时影像的TPR与AUC越高,可分类性越强,在NIIRS较高时随着NIIRS的增加影像的可分类性显著增加,而在影像的NIIRS等级偏低时,选择低NIIRS的影像能够在影像分类精度下降不明显时减少影像目标地物的错分率。通过建立NIIRS与影像可分类性之间的定性化关系,使得能够利用GIQE来对同一地区的影像可分类性进行预测。