土质要素和人工地物对军事测绘地理空间信息保障具有重要的作用,高光谱影像含有丰富的光谱信息,为探测地物属性信息、实现地物精细分类提供了新的研究方向。为了提高高光谱影像中土质要素和人工地物的分类精度,本文在总结高光谱影像土质要素和人工地物分类方法的基础上,分别从基于光谱特征的分类识别和基于统计特征的分类识别出发,对高光谱影像土质要素和人工地物分类技术进行了较为深入的研究,主要完成的工作和取得的成果如下：(1)归纳了高光谱影像土质要素和人工地物分类方法的研究现状；总结分析了土质要素和人工地物在不同学科中的分类体系及各自特点,介绍了土质要素的地理分布规律；对土质要素和人工地物光谱特征进行了分析,阐述了基于光谱特征的分类方法的主要思想,总结了传统的光谱相似性测度。(2)在基于光谱特征的分类方法中,针对土质要素和人工地物的光谱特征,组合光谱角余弦测度和相关系数测度形成光谱角余弦-相关系数测度,结合包络线消除算法,提出了基于光谱角余弦-相关系数测度的光谱匹配分类方法,通过影像分类实验,表明光谱角余弦-相关系数测度能够得出更高的土质要素和人工地物分类精度。(3)在基于统计特征的分类方法中,充分利用影像高维数据的统计特征,能够提高土质要素和人工地物的分类精度。将核函数方法和前向贪心算法引入到逻辑回归模型中,构建稳定的输入向量机(IVM)分类器,可直接输出后验概率信息,通过影像分类实验,表明了该方法能够达到与支持向量机(SVM)相当的分类精度,且稳定性更好,稀疏性更强。(4)土质要素和人工地物的相邻像元之间存在着强相关性,利用马尔科夫随机场模型对IVM分类结果进行处理,能够加入空间信息,消除分类结果图中同质区域内的类别噪声。分别计算光谱能量函数和空间能量函数,相加形成总能量函数,利用ICM方法求取能量函数最优值,通过影像处理前后的分类结果对比,表明了马尔科夫随机场模型有利于影像分类精度的提高。