高分辨率卫星遥感迅猛发展,已经在众多领域得到广泛应用。新型高分辨率遥感影像在空间分辨率和波谱分辨率方面呈现双重优势,能够获取更丰富和更大尺度的地表信息,能更细致地将地表物体的频谱特征、几何结构、相互之间关系等呈现在影像上,但高分辨率遥感影像分类识别面临两个重要问题,一是由于受到影像中阴影的影响,增加了地物信息提取识别的难度;二是由于能够提取的特征信息较多,容易引发所谓的“特征维数灾难”问题,本论文围绕上述两个问题,就高分辨率影像阴影检测、阴影补偿消除、影像分割参数优选、分割对象特征空间稀疏聚类等四个方面开展了系统研究,主要研究内容和创新点如下:(1)由于高分辨率遥感影像上相同的地物可能呈现不同的波谱特征,而不同的地物可能呈现相同的波谱特征,常用的基于影像特征的阴影检测方法在普适性、鲁棒性等方面存在问题,容易导致漏检和误检,而基于物理模型的阴影检测方法受数据源的制约研究和应用较少。本文立足高分辨率遥感影像以及基础地理信息数据日益丰富这一背景,从摄影测量理论和阴影形成几何原理出发,提出了一种广义立体像对支持、多源数据辅助的高分辨率遥感影像多角度阴影检测方法。实验结果表明:(1)在一定数量地面控制点支持下,广义立体像对能够完成三维重建,且重建模型的定位精度能达到相应成图比例尺的规范要求。(2)检测方法精确可行,虽然过程较复杂,但从理论上就能够避开“同物异谱”或“异物同谱”现象给常用检测方法带来的问题。随着高分辨率遥感影像库和各类基础数据库的日益完善,该方法有望广泛应用于各种高分辨率遥感影像阴影的精确检测提取,具有良好的工程化应用前景。(2)结合Contourlet变换理论,对常用的基于HIS色彩模型的阴影补偿算法进行改造,提出了一种非下采样Contourlet变换(简称为NSCT)和HIS色彩模型相结合的高分辨率遥感影像阴影补偿算法,首先对遥感影像进行色彩空间变换,将影像转换到HIS空间,对人眼非常敏感且集中了主要纹理细节信息的Intensity分量进行NSCT,然后对变换后的高频和低频系数分别进行补偿处理,同时依据影像上阴影区域及其周边非阴影区域的均值和标准差分别对Hue和Saturation分量进行修正处理;最后将修正处理后的Intensity、Hue和Saturation三个分量进行色彩空间逆变换。实验结果表明,与同态滤波、单一HIS色彩模型、小波变换和HIS色彩模型相结合等常用的阴影补偿算法相比,该方法在阴影补偿过程中实现了频域和空域相结合、纹理与色彩空间相结合,能够取得更好的补偿效果,更加有利于高分辨率遥感影像地物信息的提取。(3)对高分辨率遥感影像进行面向对象分类的前提是影像分割,且分割结果一定程度上决定分类结果的质量。多尺度分割技术是当前遥感影像分割研究的热点,本文以WorldView-3和GeoEye-1两种典型高分辨率遥感影像作为实验数据,取不同参数值进行多尺度影像分割实验,实现了综合利用影像的波谱通道、纹理结构和几何形状特征对影像的逐级分割。非线性拟合结果表明:对于分辨率约0.5米的主流高分辨率遥感影像,农村地区scale、shape、compactness等分割参数的最佳效果取值分别是280、0.1、0.45;城镇地区分割参数的最佳取值分别是195、0.2、0.55。(4)针对新型高分辨率遥感影像日益凸显的“特征维数灾难”问题,本文尝试将在高光谱遥感影像分类实验研究中热门应用的稀疏表示理论应用到高分辨率遥感影像中,提出了一种针对高分辨率遥感影像的对象级特征空间稀疏聚类方法。该方法首先对影像进行融合、增强等预处理,基于最优分割参数对影像进行分割,然后充分挖掘高分辨率遥感影像的潜在信息,提取各类特征信息,并按地物类别采集足够数量的样本构建稀疏字典;最后,基于稀疏表示理论求出各类对象的稀疏系数,根据稀疏系数确定对象类别。实验结果表明:该方法不仅能充分利用高分辨率遥感影像的波谱通道、纹理结构、几何形状等各类特性信息,还降低面向对象分类过程中各类特征类型和特征参数确定的难度,可有效解决高分遥感影像在信息提取时常出现的特征维数过多问题,提高影像分类的准确度,进一步拓展稀疏表示理论的应用领域。最后,对论文的研究工作进行了全面总结,并进一步展望了未来有待研究的若干问题。