高分辨率遥感影像的土地覆盖分类是研究的热点,而高分辨率遥感影像的居民地信息提取的研究尚处于初步阶段,本文以高分辨率IKONOS遥感影像为主要数据源,分别进行像素级融合、特征级融合和决策级融合的土地覆盖分类和居民地信息提取研究,旨在探索出高分辨率遥感影像有效的土地覆盖分类和居民地信息提取方法。首先,分析了遥感原始图像预处理、影像增强处理以及遥感影像特征提取的基本理论和方法,为后续影像融合、土地覆盖分类和居民地提取研究做好准备。影像像素级融合主要采用PCA、小波+PCA、IHS和Brovey四种融合方法,并对融合影像进行目视和定量评价;在像素级IKONOS遥感影像融合的基础上,分析融合影像的光谱特征和纹理特征,并分别基于光谱特征、纹理特征、光谱特征与纹理信息的特征级融合进行SVM分类,提取居民地;然后在充分分析影像不同窗口纹理特征的基础上,提出应用组合纹理特征进行土地覆盖分类和居民地信息提取方法。最后运用多数投票法和D-S证据理论对三种单一分类器(SVM,MLC和OO)的分类结果进行决策级融合提取居民地,在分析决策级融合结果的基础上,对多数投票法的决策级融合进行了改进,继而提取居民地信息。IKONOS影像像素级融合结果表明,PCA融合能够较好地提高多光谱影像的空间分辨率,同时很好地保持了多光谱影像的光谱信息,光谱畸变较小,在本实验区域具有较好融合效果;特征级融合结果表明,基于光谱信息和组合纹理特征的特征级融合土地覆盖分类和居民地信息提取,能够提高分类精度,更好地提取居民地信息;决策级融合结果表明,改进的多数投票决策级融合方法,相对于三种单一分类器的提取结果,达到了决策级融合信息提取的目的,得到了较好的居民地提取效果。