本论文针对单一分辨率遥感图像分类中所普遍存在的低分辨率遥感图像混合像元解析能力差、分类精度低，高分辨率遥感图像分类处理时间长、同时相广覆盖高分辨率数据获取困难等实际问题，就多分辨率遥感图像的复合分类技术展开了深入研究。主要研究成果与创新点如下：1、提出了一种新的多分辨率遥感图像复合分类总体框架，并给出了其基本处理流程。该框架通过广覆盖低分辨率遥感图像与同区域中少量高分辨率图像的有机结合，实现了高分辨率分类精度级别的、广域全局分类。2、提出了一种基于非线性退化模型的复合分类方法。该方法采用非线性函数描述多分辨率遥感图像间的空间分辨率退化关系，并将组合核函数的概念用于非线性退化函数的参数求取，较好解决了非线性函数模型参数难以采用传统回归分析求取的难点。3、提出了一种基于“真实”似然特征的复合分类算法。该算法在“真实”似然分布信息的提取过程中，利用灰度云理论，通过加权平滑窗算法提取“真实”似然特征，并提出了似然特征向量的加权最大似然分类准则，实现了空间分辨率退化关系的非参数化描述。4、提出了一种基于条件随机场模型的复合分类算法。通过用来描述光谱特征与类别关系的真实似然特征序列生成模型、以及用来描述地物空间连续性的上下文关系模型，组成条件随机场模型的两类势函数，实现了子像元、区域级的高精度复合分类。5、面向实际生产应用需求，设计实现了多分辨率遥感图像复合分类软件系统，构建了可用于业务运行的、基于复合分类的农作物种植面积估计生产模型与流程，并通过水稻种植面积估计实验，验证分析了本论文方法的实际应用精度。