随着遥感卫星的陆续升空,从不同卫星遥感平台获取多源卫星数据成为可能,形成了多空间分辨率、多光谱分辨率、多时间分辨率、多辐射分辨率的遥感影像序列。因此,如何利用同一地区多源遥感数据进行信息融合提取成为国际的研究热点。针对目前国际研究的热点问题——遥感图像融合分类问题,本文进行了较为深入的研究,并选用目前国际研究的前沿方法——支持向量机作为融合分类的工具。在前人研究提出的新型合成核支持向量机器DOCKSVM基础上,提出了在像素级、特征级、决策级3个融合层次上应用DOCKSVM进行融合分类的新方法,并利用遥感数据开展了相应方法的融合分类实验,通过与传统方法最大似然法和神经网络法的比较研究,验证了该方法的有效性和应用潜力。本文具有如下创新点:A.提出应用支持向量机DOCKSVM进行像素级、特征级、决策级3个层次的融合分类新方法。B.开展了基于提出的DOCKSVM融合分类新方法进行区域变化检测的应用研究,并通过实际遥感图像变化检测试验,验证了基于支持向量机DOCKSVM进行遥感图像地物融合分类决策及区域变化检测的应用潜力。本文研究表明,基于支持向量机DOCKSVM的遥感图像融合分类具有较好的分类效果和应用潜力,并可为区域环境检测以及变化检测提供应用服务,对未来遥感图像融合分类的相关研究工作具有一定的参考价值和借鉴意义。