中文摘要：

海岸带区域是社会和经济发展的核心地带，超高分辨率影像具有高空间分辨率、高定位精度的优点，正逐渐成为海岸带环境资源监测的主要手段。但是超高分辨率影像中的地物信息极其复杂，传统遥感分类方法往往导致大量碎屑图斑，不但增加后期处理难度，而且大大降低分类精度，是超分辨率影像应用中面临的一个难题。为此，本研究提出了"镜头变焦"思想，在不同空间尺度上嵌套限定处理区域，以达到降低局部分类复杂度的目的。在此基础上，针对海岸带地物类型的特殊性，利用数据挖掘技术发现遥感影像中各种地物类型的特有属性等知识，实现影像分割及斑块的预分类；同时为减少误分类，结合不同地物类型之间的空间拓扑关系，发展基于证据理论的地物类型高精度识别方法，对预分类结果进行二次处理，实现高精度的分类。基于以上研究，在青岛环胶州湾海岸带进行实例应用。

结论摘要：

海岸带是海陆交汇区域，是社会经济发展的核心地带，人类开发活动剧烈，地面覆盖类型复杂多变；高分辨率遥感影像具有高解析度、高定位精度等优点，具备为海岸带资源开发管理提供高精度监测结果的能力，正逐渐成为海岸带环境资源监测的主要手段。但由于海岸带高分辨率影像中包含的地物信息较为复杂，传统的适用于中低分辨率遥感影像的分类方法往往难以得到理想的分类精度，如一般分类方法常导致高空间分辨率影像出现大量碎屑图斑，降低了分类精度，是高分影像处理与分类中面临的一个难题。 为此，根据课题研究内容和实施方案设计，本课题研究并提出了一系列面向海岸带区域高分辨率遥感影像分类的数据挖掘、图像处理和分类方法，完成了课题的规定内容，主要包括 研究并提出了基于关联规则、证据理论和半监督学习的海岸带遥感影像分类方法，这些方法均为数据挖掘中的典型方法，且具有适合于遥感影像的处理和分类的理论基础。应用关联规则方法，挖掘了基岩、砂质等4种自然岸线在遥感图像上的共性特征，实现了海岸线的自动判绘；针对遥感影像分类中存在未知类别的特点，对经典证据理论进行了理论扩展，实现了对遥感影像中未知类别的识别；面向遥感影像分类中已知样本集常常不足的问题，研究并提出了基于半监督学习的遥感分类方法。 提出了一种基于最近邻有向图的遥感图像快速分割方法，该方法是在基于区域生长的多尺度图像分割的基础上，加入了最近邻有向图限定，提高了多尺度分割方法的分割速度和分割效果，可以认为是一种改进的、高效的自下而上的（从像元尺度到全局尺度）镜头变焦式遥感图像分割方法。 提出了基于关联规则的海岸线二次分类方法和基于半监督学习的海岛土地利用类型二次分类方法。海岸线分类中，基于海岸线的共性特征实现对岸线的检测，然后应用不同类型岸线的自身特点，完成对4种岸线类型的属性识别；海岛土地利用分类中，首先在图像分割的基础上基于光谱特征实现对海岛土地覆盖类型的初分类，然后应用建立的不同海岛地物类型间的空间拓扑关系集实现了对分类结果的二次判定。 另外，面向高分辨率SAR和高光谱遥感数据在海岸带遥感影像分类中还未受到足够重视的现状，通过挖掘高分辨率SAR和光学遥感影像的融合分类能力，研究并对比了不同极化方式SAR与TM影像融合地物分类精度，通过挖掘不同滨海湿地类型之间的光谱特征实现了对湿地高光谱影像的准确分类。