遥感技术的发展使我们能够获得丰富的对地观测信息,尤其是近些年来高分辨率遥感图像的出现更是扩大了对自然界观察的内容。但面临的挑战是如何对这些数据进行有效处理,使之能转换为便于应用的信息。为此,论文以层次化处理策略为贯穿线索,对高分辨率遥感图像分析中涉及的理论方法进行了深入而系统的研究。在遥感图像纹理特征提取研究中,论文提出LBP(local binary pattern)纹理算子的一种改进扩展形式,克服了原有算子无法有效使用“非一致模式中”的纹理信息这一主要缺点。根据预先定义的结构性与相似性度量,这种扩展形式将“非一致模式”合理地分类与组合,使LBP算子具有更好的纹理判别能力和抗噪声能力。在高分辨率遥感图像层次化分类研究中,由于不同地物之间可视属性表现出的模糊性和不确定性,对其精确分类成为一项极富挑战性的工作。为此,论文提出一种融合利用多层次上下文信息的分类算法。该算法以面向对象的分类方法为基础,分三个阶段使用了从简单局部到复杂全局的上下文信息。同时,随着后一阶段引入相对于前一阶段来说更高层的上下文信息,使得分类结果逐步优化、最终实现了精度较高的地物分类。在高分辨率遥感图像层次化分割研究中,论文提出两种新颖的组合分割算法,以改进传统方法存在的不足。一是整合使用已有的组合方法,即首先基于嵌入式的组合策略利用分水岭变换产生初始分割区域;然后基于后处理式的组合策略利用MRF模型修正、合并初始分割区域。二是设计了新的组合策略,即根据图像中不同区域属性的分析结果,自适应地选择每个区域中最具代表性的分割线索,并使用合适的方法对其精分割。该算法融合了不同分割线索与方法的优势,提供了更符合人眼感知的分割结果。在高分辨率遥感图像层次化目标检测研究中,针对图像目标与其使用的特征集之间很难存在排他性的对应关系,论文提出一种基于概率潜在语义分析的层次化目标表述方法。该方法在常用目标表述方式中引入了一层潜在语义分析,从而不再简单地使用特征直接表示目标,而是根据不同潜在语义的概率分布来表示。由于潜在语义的分布比简单的特征分布更能反映目标的本质属性,因此,所提出的多层次表述方法能够更有效地刻画不同目标之间的区别。将其应用于舰船目标检测任务中,获得了令人满意的实验结果。