高分辨率遥感影像(如QuickBird, IKONOS,SPOT-5等),能够提供大量的地面细节信息,因此展开了遥感应用的新纪元。但是,这种新型数据却对影像特征提取和分类提出了新的问题和挑战。由于影像复杂的空间排列,以及同类地物内部的光谱异质性,使得传统的光谱解译方法对高分辨率影像无法取得好的效果。高分辨率影像中,可以观测到更多的细节特征和小目标,这造成了同种地物内部的光谱变化和异质性,也使得不同地物之间的光谱差异减少。这种较高的类内变化和较低的类间差异,降低了各种地面覆盖物在光谱域的模式可分性。为了克服这一问题,需要有效的利用影像的纹理、结构、尺度和对象信息,弥补光谱特征的不足。本文分别从纹理、形状和对象的角度来提取和分析影像的特征,在此基础上,研究这些空间信息的多尺度特性,最后,用三个高分辨率影像应用的实例(城市、农业和森林区域)来验证本文所提出的各种方法。在论文展开之前,我们首先分析了分类器对高分辨率影像解译的影响。本文提出使用机器学习和人工智能方法来处理高分辨率数据,并在实验中用多层感知器(MLP)、概率神经网络(PNN)、支持向量机(SVM)和关系向量机(RVM)进行了测试,结果发现：由于机器学习算法的非参数化性质,和自适应学习的能力,使之能够获得比传统的统计分类器(如极大似然法MLC、距离分类器MDM、光谱角制图SAM)更好的结果。但同时,实验结果也表明：尽管先进的分类方式能够提供更高的精度,但它们的结果仍然显示出某些系统性的误差。这种错误是无法通过分类器的革新来消除的,必须加入更多的决策信息,如更多的波段,纹理和结构信息等。换句话说,解决光谱相似性目标的区分需要更多的信息。因此,本文接下来将重点研究高分辨率影像的纹理、形状和面向对象特征。对于纹理信息提取,本文提出一种基于NSCT变换(非下采样小轮廓变换)的多方向多尺度纹理特征。NSCT变换可以分为两个具有移动不变性的部分：1)满足多尺度特性的非下采样金字塔结构,2)满足方向性的方向滤波簇。NSCT变换是小波变换的改进形式,它的优势主要在于对影像边缘和线特征的表达,因此,NSCT对于高分辨率影像的纹理结构特征提取更有潜力。实验结果显示：纹理信息的加入在视觉上和精度上都要优于传统的光谱分类方式。而且,NSCT特征得到了比小波纹理、GLCM纹理和空间自相关测度更好的结果。形状和结构特征是高分辨率影像的一个显著特性,它对人类的视觉更为敏感。我们原创性的提出一种像元形状指数(PSI),用来描述中心像元局部邻域的形状和轮廓信息。实验比较了PSI与小波纹理以及GLCM纹理特征,结果显示：PSI能够有效的描述上下文形状信息,提供了更高的精度。同时,在方向线直方图基础上,不仅可以提取PSI指数,也可以提取更多的结构指数(PSI的扩展算法),如：长、宽、长宽比、直方图方差等等,以弥补PSI特征的单一性。然后,针对多波段结构特征的相似性,本文提出一种特征相似性指数的维数减少算法,减少信息冗余和计算代价,并用BP神经网络、概率神经网络PNN,以及支持向量机来解译多元结构特征。QuickBird数据集和HYDICE航空影像数据的实验表明：SFS特征集能够得到比PSI更好的效果。对于对象信息的提取和影像的面向对象分析,本文针对eCognition软件的不足,提出一种自适应均值移动框架。其基本步骤是用均值移动来获取高分辨率影像的面向对象表达形式,然后用SVM进行解译。为了有效的利用均值移动分析,我们提出两种自适应带宽尺度算法：一种是基于影像局部结构(非监督),另一种是基于类别可分性测度(监督)。实验影像采用HYDICE航空数据和HYMAP航空影像。我们把提出的自适应均值移动算法和面向对象分析软件eCognition进行了详细的比较,结果说明了均值移动方法的稳健型和效率。在多元特征提取(纹理、结构和对象)的基础上,本文进一步研究了这些特征的多尺度性质,把纹理、结构和对象特征在尺度维进行扩展,研究多尺度特征表达和多尺度信息融合方法。本文提出了三种多尺度融合方案：矢量叠力口(VS),SVM模糊输出(Fuzzy SVM),以及多分类器投票(Voting)。VS方法是把多尺度信息在特征空间进行叠加。模糊SVM方法的基本原理是对每个尺度的SVM输出函数值进行模糊化,选择不确定性最小的作为最优决策尺度和最优决策结果。实验用多个高分辨率数据集对四种多尺度特征表达方法进行了详细的测试,结果显示特征叠加和模糊SVM都能够有效的融合多尺度信息,达到单尺度下的最优精度。同时,实验说明：VS多尺度叠加的方法能够利用特征在尺度维的扩展,形成高维的尺度特征空间,在大多数测试结果中,VS能提供优于模糊SVM和Voting的结果。最后用三个高分辨率遥感应用问题来验证本文提出的多尺度和多特征方法。具体包括：1)对LiDAR影像进行纹理特征、统计特征提取,并对航空影像和相应的LiDAR数据进行信息融合,对Denmark,Odense区域进行高精度高分辨率城市地面覆盖制图；2)使用多尺度形态学特征、多层面向对象分析方法,用IKONOS多光谱影像对Panama的Caribbean海岸的红树林进行树种区分和森林物种空间分布研究；3)使用多尺度光谱—纹理方式,用PHI航空影像,对江苏省常州市夏桥农业区域进行农作物物种识别和精细农业制图。