高空间分辨率遥感图像中地物的“同谱异物”和“同物异谱”现象变得尤为普遍,这极大地影响了计算机自动地物分类的效果与精度。常见的面向对象监督分类的主要判别依据是特征距离,实现模式分类需要依据模式在特征空间中距离的远近来判断。然而,“同谱异物”和“同物异谱”的特征使得高空间分辨率遥感图像中众多地物难以仅依据特征距离就可以相互区分,需要使用新的分类方法。空间谓词用来描述分类对象的地理空间信息,描述遥感图像中对象之间的空间关系。将空间谓词与非空间谓词融合,挖掘出融合空间谓词的空间关联规则,可以建立起遥感图像空间谓词、非空间谓词与地物类别之间的关联,如果将空间关联规则引入到遥感图像分类上将具有很高的应用价值和研究潜力。本文面向高空间分辨率遥感图像信息提取,结合面向对象遥感图像监督分类方法,对融合空间谓词的遥感图像分类方法进行了研究,内容主要包括：(1)获取特征基元空间、非空间谓词。本文首先使用光谱和形状特征结合的多精度图像分割方法对高空间分辨率遥感图像进行影像分割,同时获取遥感图像各特征基元的非空间特征,借助优化了初始聚类中心的K-Means++聚类算法对特征基元的非空间特征进行属性分段,利用信息增益法对特征基元的非空间特征降维；再获取特征基元的地物类别和约减后的空间信息；最后还需将若干个规则生成区的空间谓词、非空间谓词、地物类别合并到同一个事务数据库用于后续空间关联规则挖掘。(2)挖掘出频繁的、可靠的空间关联规则。首先借助FP-Growth算法,从由若干个规则生成区的遥感图像特征基元的空间谓词、非空间谓词和地物类别构成的事务数据库中提取出频繁模式集：再使用能够克服频繁模式海量且无序特点的方法挖掘出空间关联规则；最后再借助能够消除冗余或冲突规则的方法对空间关联规则剪枝。(3)高空间分辨率遥感图像空间关联分类与监督分类的融合分类。首先描述了空间关联规则推广到遥感图像地物分类的方法；其次分别寻找空间关联分类与K近邻分类、支持向量机分类的结合点,将空间关联分类与这两种常用的监督分类方法相融合并应用于遥感地物分类；最后通过实验对比融合分类和传统监督分类的结果与精度,验证本文的分类方法。本文采用GeoEye-1的2米庐山地区高空间分辨率遥感图像作为实验数据,利用所挖掘的空间关联规则进行了分类试验,并将分类结果和传统的面向对象监督分类方法进行了对比。实验结果表明本文的融合空间谓词的高空间分辨率遥感图像关联分类方法避免了分类特征集合和分类规则人工设定的问题,并自动学习了分类的空间关联知识,可获得高精度地物分类结果。