近年遥感影像检索在获取大量遥感数据信息方面发挥出了越来越重要的作用,是目前研究的热点之一。然而,目前人们对于遥感的应用研究还有待于继续完善,无法准确有效的提取出有用信息,造成了资源的极大浪费。因此,如何从海量的遥感影像中高效、准确的检索有效信息是当前需要解决的主要问题。城市区域是土地管理中的重要部分,而且与人们的生活密切相关,人们生活范围基本都是在城市区域内,反映出土地管理的现状和人们日常生活之间的关系。现在城市的规划离不开遥感影像信息的获取,如何准确的提取出各城市区域分布和布局是相关部门研究的重点。目前,城市规划方法根据使用功能的不同可以分为不同类别的分区,但是,现在对于各城市区域的研究还有所不足。本文从城市区域感影像数据检索的实际应用着手,提出了多特征融合的遥感影像检索方法,在现有遥感影像检索研究的基础上,本文对遥感影像的特征提取方法、检索算法、特征融合方法进行了详细的研究。本文的主要工作如下:(1)分析了遥感影像的相关特征,并且考虑到遥感影像的复杂度较高,仅靠单一的特征并不能很好的表示遥感影像的全部特点,因此提出了采用多种特征融合的形式尝试进行遥感影像检索。全局特征和局部特征能够做到优势互补,大大提高遥感影像的描述能力,有效的加强遥感影像的检索效果。(2)选择一种合适的特征融合方式。当有了适当的多个特征描述时,这时候就需要一种合适的方法将提取出的特征描述融合在一起,所以本文引入多核学习的概念,使用多核学习的方式来融合多种特征用以检索遥感影像。多核学习是在单核学习基础上的一种扩展,可以根据不同的需求,通过不停地训练学习获取最优的结果。本文利用多核学习的方法进行特征融合,组合全局特征和局部特征这两种特征,通过特征间的互补性来提高检索的准确性。(3)最后选择全局Gist特征和局部尺度不变特征(Scale Invariant Feature,SIFT)特征作为遥感影像特征进行融合,提取样本库中所有城市区域遥感影像的Gist特征保存为Gist特征库。随后进一步引入SIFT特征来构建特征词袋(Bag-of-Features,BoF)模型,获得Bo F特征向量库。将生成后的两种特征按照线性相加的方式组合成合成核,通过多核学习方法做成分类器训练得到最终的检索结果。