城市绿地是指在一座城市中被绿色植被或自然景观所覆盖的区域,起着净化城市空气、改善城市水体、调节城市湿度、美化城市环境的作用。而地面的表现形态越来越复杂多样,对于城市规划中大量数据的统计、处理及分析带来了更大的挑战。论文以遥感图像为对象,以城市绿地提取为目标进行深入研究,以更快、更准、更细地获得城市区域中地面的覆盖类型、结构和面积,为城市的监测与建设提供更可靠的数据资源。研究以模糊聚类为主要技术手段,针对高分辨率遥感图像噪声多、数据量大和处理速度慢的问题,对获取的遥感图像进行颜色空间转换和分块处理。并设计一种基于EM和KFCM混合聚类的算法应用于城市绿地遥感图像分割处理中。对EM算法的初始聚类中心引入惯性权重,促进全局搜索避免陷入局部极小值,将邻域信息引入到核模糊聚类中来提高抑制噪声能力。通过对ICA、PCA、KPCA以及KICA变化检测算法的比较,选择KICA变化检测方法将其改进用于城市绿地信息变化检测中,对含有变化分量的信息进行EM-KFCM聚类处理来提高检测精度。最后利用迭代次数、图像分割定量实验准则和数据选择度量准对基于EM和KFCM混合聚类算法的速度、精度进行评价,选择像素级评价方法对ICA、KPCA、PCA及改进的KICA变化检测算法进行对比分析。以陕西南部的汉中市为研究区域,利用运—8和运—8C航拍遥感数据,对此区域的城市绿地进行系统地分析、提取和检测。实验结果表明论文提出的方法能够准确地提取出绿地信息、检测出绿地变化情况,提高抑制噪声的能力,增强算法的收敛速度,具有一定的使用价值。