高分辨率遥感影像可用于实现地面覆盖情况的精细化观测，为诸多应用领域提供了有力的技术和数据支撑。然而，由于高分辨率遥感影像空间、纹理、结构等细节信息繁杂，光谱信息稳定性较弱等特点，传统的自动解译方法难以满足其解译任务的需求，因此，探索适应于高分辨率遥感影像的自动化解译方法具有重要的理论和现实价值。
　　分类和变化检测是遥感影像解译的两大重点工作，此前的高分辨率遥感影像自动分类和变化检测方法均存在如下问题：(1)利用光谱、纹理、空间等底层特征分析，缺乏高层语义认知建模机制，难以解决“同谱异物”和“同物异谱”地物对象的区分问题，遥感影像主题模型建模框架虽然能解决这一问题，但此前遥感影像分析采用的主题模型在面向连续多维的多波段特征影像建模时必须先构造离散一元词影像，此过程可能导致部分影像信息损失，降低所得语义特征的准确性；(2)影像中地物对象具有多种尺度大小，基于像元或单一尺度的分析方法无法综合多个尺度的地物信息建模。
　　针对以上问题，本文首先引入文本分析领域的高斯潜狄利克雷分配模型构建一种面向连续多维的多波段特征影像分析任务的主题建模框架，其为多波段高分辨率遥感影像的语义特征建模提供更有效的解决方案。在此基础上分别针对单一时相和多时相的高分辨率遥感影像建模从而提出影像分类和变化检测方法。具体而言，本文的研究内容和成果可以总结为：
　　(1)提出了一种基于高斯潜狄利克雷分配模型的高分辨率遥感影像主题建模框架，由于高斯潜狄利克雷分配模型可针对连续多元的词向量为分析对象，因此该主题建模框架适用于建模多波段高分辨率遥感影像的主题语义特征，而无需在建模前对影像构建离散的一元词，避免挖掘语义信息前的影像信息损失问题。
　　(2)将本文的遥感影像高斯潜狄利克雷分配模型主题建模框架用于单一时相的高分辨率遥感影像建模，然后顾及多尺度问题，将影像语义特征与光谱、空间特征融合开展分类，提出一种多尺度多特征的高分辨率多波段遥感影像分类方法。该方法首先对高分辨率多波段遥感影像进行多尺度分割；然后在此基础上获取影像多尺度分割图斑的空间均值特征，并利用本文的高斯主题建模框架挖掘影像的多尺度语义特征；最后利用多核集成SVM分类器实现多尺度光谱-空间-语义特征融合分类。不同场景不同分辨率遥感影像的实验结果显示：本文方法与仅基于光谱特征的SVM方法相比，总体分类精度从75.2％、78.2％和87.7％提升至87.8％、89.2％和96.2％；同基于光谱、空间、纹理等底层特征的分类方法相比，其显著改善了道路与建筑、水体与阴影等“同谱异物”地物的识别效果；而且，该方法的分类结果具有良好的尺度自适应平滑性。
　　(3)将本文的遥感影像高斯主题建模框架用于多时相的高分辨率遥感影像协同建模，综合考虑多尺度建模，提出一种高斯潜狄利克雷分配模型主题建模框架下的遥感影像多尺度变化检测方法。该方法首先在多个尺度对变化前后两期高分辨率遥感影像进行联合分割；然后，利用高斯主题建模框架同时对两期影像多尺度联合分割图斑集进行主题建模；继而，通过分析前后两期影像对应分割图斑的语义特征相似性得到各尺度的变化检测结果并融合成为尺度自适应变化检测结果。实验结果显示：与此前的基于主题建模的检测方法相比，本文基于高斯主题模型的变化检测方法对于文中各实验影像均能实现更高的检测精度；另外，本文变化检测方法有效抑制了检测结果中的碎斑块噪声，检测出的变化目标完整性更好，与地表真实参考图一致符合程度更高。
　　根据本文的研究工作可以得出如下结论：
　　(1)基于高斯主题模型的影像建模方法能有效准地确从语义上理解不同地物类别之间的共生关系从而获取多波段遥感影像的语义信息；在面向多波段遥感影像的分析任务时，与以往的遥感影像主题建模方法相比，遥感影像高斯主题建模方法能够获取更加准确的语义信息，并能成功用于多波段影像分类和变化检测分析工作，提升分类和变化检测精度。
　　(2)多尺度的建模方式能够有效捕获各个尺度上的空间关系并加以综合利用，因此，结合多尺度建模与高斯主题建模的影像分类和变化检测方法，不仅能从语义层面准确的理解影像中的地物类别和变化信息，还能显著地抑制噪声，使分析结果具备更好的尺度自适应平滑性能以及更符合实际的地表类别认知和变化信息识别。