随着遥感相关技术的快速发展,遥感图像标记成为遥感图像处理过程中重要的组成部分,但仅依靠人工手动标记的准确性会受到标记人主观判别差异的影响,且任务繁重、效率不高,所以遥感图像自动标记方法的研究有着重要的意义。本文提出了一种多特征权重融合主题模型的遥感图像自动标记方法,并通过多组对比实验验证了方法的有效性,具有较好的实用意义。本文首先将图像划分成不重叠的若干区域,提取每块区域的颜色特征、纹理特征和空间特征,并将提取后的特征进行权重融合,得到能够准确表示区域稳定特征的单词,然后使用优化后的聚类算法生成准确的视觉单词,并根据每个区域中的单词与视觉单词的欧氏距离统计词频分布,最后使用LDA概率主题模型进行训练对遥感图像进行类别标记。具体的研究工作包括以下两个方面:（1）针对单一特征无法充分表示遥感图像的特征信息,且简单的多特征直接拼接融合无法体现每一维特征与遥感图像的关联度。本文采用一种多特征权重融合的方法,根据多特征之间的标准差计算权重矩阵,实现多特征权重融合,对所提取的多特征向量进行充分利用,得到一个可以更好评估每块区域的融合特征作为区域单词,并通过单一特征、串行方式融合多特征、权重方式融合多特征作为区域文档单词进行对比实验,证明了多特征融合的必要性与权重融合的优越性。（2）针对传统聚类算法生成视觉单词的过程中,对于边缘孤立点的处理与初始聚类中心的选择上都存在不足,所以本文提出了一种优化的聚类算法,根据特征点的密度和与已知初始聚类中心的欧氏距离对初始聚类中心选取进行优化,并在迭代过程中根据偏离度对边缘孤立点的剔除进行改进,得到更能代表且较为稳定的划分区域的视觉单词,并通过传统聚类算法与优化聚类算法生成的视觉单词,证明了聚类算法优化后视觉单词的稳定性与准确性。本文为了更好对本文提出的自动标记方法进行横向评估,选择了传统分类器在相同的数据集上进行自动标记。实验结果表明本文提出的多特征融合主题模型的自动标记方法的整体标记精度较好可以达到0.8595,比传统分类器中标记结果相对较好的SVM分类器标记的整体精度提高了0.0293,具有较好的遥感图像自动标记效果。