中文摘要：

高空间分辨率影像的光谱和空间特性决定了其信息提取不能照搬中低分辨率影像信息提取的基于光谱的、像素的方法和理论。针对高分辩率遥感影像中纹理细节丰富、随机性强、地物对象语义层次明显的特点，以区域为处理基元，在地物语义结构框架下，研究综合层次语义信息和区域特征统计的多尺度分割与分类算法。首先在完善非参数概率密度估计理论的基础上，研究光谱信息和空间纹理信息自适应整合的单层次区域分割算法；然后，基于随机场相关理论和方法，研究区域语义信息指导的多层次区域合并算法，探索语义尺度空间和区域特征空间的转换机理；最后，在上述理论研究和算法实验的基础上形成高分辨率影像分割与多语义层次分类的原型系统。为高分辨率遥感影像的自动解译提供了一条基于区域统计建模的新思路，并就区域分割与建模等若干关键技术问题展开深入研究，具有重要的理论和实用价值。

结论摘要：

面向对象的分析方法具有像素级分析方法无可比拟的优点，是高空间分辨率影像信息提取的热点。在国家基金资助下，按照区域分割-低语义尺度分类-语义尺度上推的思路开展了工作。首先，研究了基于非参数概率密度估计的区域分割方法。在完善均值漂移迭代收敛性理论证明的基础上，提出结合边缘线索的均值漂移自适应双边滤波与分割框架，形成一套遥感影像对象分割生成的新方法，获得与经典遥感影像区域分割算法相当或更好的分割结果。然后，采用分割获得的区域为处理对象，以地物覆盖分类为目标，提出多尺度特征自适应提取和分类方法。算法分类精度优于已有文献报道的同类方法。最后，在马尔科夫随机场框架下，研究区域级、多尺度马氏场建模方法在分类和识别中的应用。通过加入模糊随机场考虑影像的模糊约束条件，改进了已有的EM参数估计方法；提出结合频域多尺度变换、光谱和粒度信息的对象级马氏场建模方法，获得了比单尺度马氏场及小波域马氏场算法更高的分类精度和区域结构完整性；提出采用马氏链和模糊隶属矩阵分别表达多语义层次内以及层次间的关系，初步探讨了顾及语义信息的多尺度合并的可行性。上述研究工作表明了基于区域统计建模的影像解译思路的可行性，对城区高分辨率影像解译具有一定的理论和实用价值。