中文摘要：

近年来遥感数据源日益增多，可见光、红外及微波等多种传感器在空间、时间与光谱等多方面对同一区域构成多源观测数据。通过多源观测数据的整合，可以获取更多的地表真实信息，减少解析与理解的模糊性，提高遥感数据的综合分析精度及利用率。本项目将针对同一地区、不同覆盖范围的多种分辨率遥感数据，探讨特征级与算法级的复合分类方法。主要内容包括(1)新型多分辨率复合分类方法研究在高分辨率图像范围内，根据高、低分辨率

结论摘要：

为了解决低分辨率图像混合像元分类精度、高分辨率数据分类处理时间长以及大区域高分辨率数据获取困难等实际应用问题，本项目针对同一地区、不同覆盖范围的多种空间分辨率遥感数据，(1)提出了一种具有较高灵活性与匹配精度的多级配准方法，解决了异传感器多分辨率遥感图像间的高精度配准问题，建立了精确的异分辨率多对一空间关系；(2)改进了传统基于线性退化函数模型的复合分类模型，提出了基于组合核函数的非线性退化模型复合分类算法；(3)建立了新型算法级多分辨率复合分类方法的理论框架，分析了高、低空间分辨率图像间的多对一空间关系估算方法，提出并实现了基于非参数真实似然函数估计的类特征描述及空间对应算法，深入探讨不同真实似然函数模型及广域推广准则对复合分类精度的影响；(4)结合地表实测真值，深入分析了新型复合分类算法的分类精度，以及新型复合分类算法对不同种类多分辨率遥感数据的可适用性、空间分辨率差异与复合分类精度关系等算法精度问题；(5)提出了基于多对一空间关系的类特征描述的上下文纹理复合分类模型；(6)完成了相关功能模块设计与软件处理系统的研发。该项目的实施为多源遥感数据的高精度定量化解析提供了一种全新手段。