遥感科学与技术是上个世纪60年代发展起来的空间对地观测技术,经过半个多世纪的发展,遥感已成为空间信息获取的主要手段,在地学及其相关各领域得到了广泛地应用。随着高空间分辨率遥感的发展及天―空-地一体化遥感系统的形成,遥感不但已经在地学及其相关领域的应用更加深入,而且还突破传统的应用范围,进入到社会公共服务领域。这些变化,充分显示了高分辨率遥感的巨大应用潜力和市场需求。遥感是为了应用而产生和发展的,因此首先须要将空间信息从其载体――遥感影像中解译出来。长期以来,遥感影像主要依靠人工解译。这种解译方式直接利用了人脑的智慧和知识,解译结果一般具有很高的可靠性,但费时、费力,解译成本高,而且定量化的分析精度较差。影像分辨率的提高,直接导致遥感数据量的大幅度增加和地理空间信息需求的大幅增加。面对海量数据和不断增加的市场需求,仍然使用人工解译的方式显然是达不到应用要求,但自动解译技术还处于实验阶段,远未达到实用化的程度。在这样的背景下,深入开展遥感图像自动化、智能化解译的研究是非常必要的。遥感影像自动化、智能化解译,已经成为了遥感科学与技术领域研究的前沿和热点。这也是本文研究所关注的问题。鉴于遥感影像的种类较多,不同的影像类型具有不同的影像特性,而光学遥感影像的应用最为广泛。因此,本文的研究对象集中在高分辨率光学遥感影像上。研究的目的在于探索高分辨率光学遥感影像自动解译的基本指导思想和总体技术模型,以及在这种技术框架下建立几种代表性的目标识别和提取技术。本文的研究涉及面较大,主要创新概括起来在以下几个:1.针对目前遥感影像自动解译尤其是全要素解译缺乏切实可行的总体技术模型和基本指导思想的现状,提出了遥感影像分层解译的总体技术模型。这种模型的基本思想是认为遥感影像是由各种地物类型图层的叠加,解译的过程是分离这些图层并提取目标信息的过程。对不同类型地物的识别,应使用不同特征进行建模,从易到难、从简单到复杂,从单体数量少的类到单体数量多的类,逐层进行,相互推理和印证,最终实现整个图像的自动解译。对于特征选择,提出了基于主要视觉特征并兼顾该特征自动获取时的现势可操作性和代价为基础的准则。2.提出了一种新的仅依赖于图像自身特性的水体自动提取模型。该模型是在对高分辨率光学遥感影像水体固有特征和水体视觉特征进行深入研究和分析的基础上提出的,并将视觉特征和结果引入到建模中,且不需要包括红外成像波段在内的任何辅助信息。为了保留小样本的特性,提出了基于最小距离和的簇数和阈值自动计算方法。实验结果表明该模型获得结果与人眼视觉解译结果一致,还具有方便使用、适应性强的特点。3.对光学遥感影像上的阴影颜色特性进行了分析,并对遥感影像阴影色调、饱和度和亮度特性的机理进行了深入研究。在此基础上,提出了一种新的多特征综合(MFI)的阴影提取模型。实验和比较结果表明,该方法所获取的阴影检测结果与人眼的视觉解译结果大体一致,且具有适应性强的特点。4.对遥感影像阴影的视觉特征进行了研究,结合遥感影像阴影颜色特性的研究结果,地提出了一种基于自适应特征选择(SAFS)的阴影检测模型。SAFS模型选用亮度和各颜色分量定义的6种布尔关系为特征,首先对亮度进行数学变换以增强阴影亮度与非阴影亮度之间的可分离性,同时将布尔关系进行转化以适合于同亮度一起作为特征输入到PM模型中进行综合决策。该模型最大的特点是能根据被处理图像的特点,动态地选择合适的特征进行建模,灰度图像和彩色图像均可适用。实验结果表明,SAFS模型的识别结果与人眼的视觉解译结果一致。与MFI模型相比,SAFS模型计算简便,具有更好的适应性、更高的效率和自动化程度,为遥感影像的自动化检测提供了实用的处理方法。5.提出了一种新的基于视觉特征和视觉识别结果的城市植被自动提取方法。该方法选择色调、饱和度和亮度三个主要视觉特征作为建模特征,首先将图像进行HSI变换,然后利用植被特殊的色调特征对色调图像进行粗分割,将色调图像的粗分割结果与饱和度图像和强度图像一起分别进行各自的Gauss变换以增强植被特征的可分离性。最后将Gauss变换后的结果输入到PM模型进行决策。实验结果表明,使用该模型从高分辨率遥感影像上提取的植被结果,与人眼的视觉解译结果基本一致,为大比例尺城市绿地自动地提取提供了现势可行的解决方案。6.为了解决图斑全自动填充的问题,对经典种子填充算法进行了改进,提出了注入式反向填充算法。该算法能够适合于任意复杂区域的填充,成功地解决了种子填充算法在填充复杂区域时种子点难以自动确定的问题,实现了区域填充的完全自动化,为图像分析提供了一种重要的分析工具。