面对海量遥感数据的存储和传输问题,压缩技术发挥了重要作用。有损压缩必然导致影像信息的损失和质量的退化,从而可能影响到后续应用能力。通常来说,可以使用目视判读或者客观质量评价指标对压缩影像的质量进行评价。然而这种评价方式是否能实际反映影像的实际应用能力,是一个值得商榷的问题。遥感影像分类是遥感的重要研究领域之一,也是许多应用任务的重要环节。到目前为止,经过有损压缩后的遥感数据很少在实际应用中被使用,原因就是压缩对应用造成的负面影响尚未得到充分的研究。JPEG 2000是遥感影像最常用的压缩标准之一,研究压缩后影像质量下降对遥感影像的分类精度影响,不仅能够用来评估分类算法的优劣,也关系到压缩影像的应用范围。针对以上问题,本文研究了基于JPEG 2000标准的有损压缩对遥感影像监督分类精度所造成的影响。在相同的训练样本下,比较了四种分类算法在压缩下的稳定性,分析了压缩对分类精度的影响规律。然后,我们测试了两种常用的质量评价指标对分类精度的评估能力,并建立了通过影像特征对分类精度的预测模型。本文的主要贡献如下:1)本文基于压缩后的Landsat-8和资源三号数据集,测试了四种分类方法的稳定性。具体来说,分类方法包括:面向像元的最大似然法、面向像元的SVM、面向对象的SVM和面向对象的随机森林。实验结果表明,面向像元的分类精度随着压缩比的增加逐渐降低。相应地,面向对象的分类算法虽然也同样受到压缩的影响,但是其受影响的程度与压缩比的大小并不直接相关。有时候较高的压缩比下的重建影像反而能取得比低压缩比的影像更好的分类精度,这是因为压缩造成了局部区域的平滑,这种现象能一定程度提升分类的效果。2)本文通过提取光谱、纹理、形状方面的特征,建立了对压缩影像分类精度的预测模型。具体来说,通过提取提取了光谱、纹理和形状方面的特征,并使用多核学习的方法对这些特征进行训练,得到压缩影像分类精度的预测模型。结果表明,本文所提的方法在两个数据集上得到了较好的效果,实现了输入影像特征和分类算法对分类精度进行预测的目的。在此基础上,分析了各类特征的变化对不同地物分类精度的影响大小。实验表明,对于受压缩影响较大的地物类型,均值特征不能很好地表示分类精度的变化;对于纹理较粗糙的地物类型(如水系),纹理方面的特征变化对分类精度的影响不大;对于植被和林地,从近红外和红光波段上提取的特征对分类精度的预测具有重要作用。