遥感数据获取技术的快速发展使得遥感数据的定量化、智能化处理技术急需提高。基于遥感影像的矿区外围勘探、矿床定位及填图技术能显著提高矿产资源勘查及填图的效率和质量。近年来,基于遥感技术的找矿及填图工作取得了很大进展,但是应用效果与地质调查工作的实际需求尚有差距。基于遥感影像的找矿预测和填图工作主要存在以下几个困难:1)基于像素的匹配滤波、波段比值、主成分分析等技术不能很好地消除影像获取过程中受到的气候和光照等因素的影响,也不能很好地利用矿物的丛集特征,提取的蚀变信息存在较多“椒盐”噪声;2)对于植被覆盖多、干扰信息众多、矿化线索微弱地区的遥感地质信息的提取,掩膜去除干扰的方法会丢失影像的原始信息,无法保证提取结果的准确性;3)基于单一尺度的分析方法不能有效提取矿物异常分布的多分辨率特征,无法精确描述矿物的富集和贫化规律;4)热液蚀变的间歇性和多期次性引起的光谱信息叠加问题及岩性风化引起的纹理不确定性,导致岩性识别的精度降低。上述问题成为大规模遥感地质应用的瓶颈。本文在野外地质调查、薄片鉴定的辅助下,以多尺度分析方法、面向对象提取技术、机器学习和深度特征分解为主线,进行了蚀变矿物的区域特征及深度特征提取方法、岩性智能化分类及填图方法研究。主要研究内容及成果如下:（1）提出了结合主成分分析、多尺度分割和支持向量机的遥感矿化蚀变信息提取方法。该方法选取ASTER影像各矿化蚀变信息的诊断性波段进行主成分分析;利用多重分形理论描述矿物的奇异性和自相似性,得到多尺度纹理影像;利用局部特征过滤掉大部分不相关的数据,运用支持向量机向量逼近的方法对目标矿物类别进行定位;采用序列最小优化算法提高求解效率。实验对比结果表明,该方法提取的矿化蚀变信息与成矿区带、已知矿点和已有不同地质背景成矿特征相关性较好。（2）在蚀变矿物特征向量主成分分析的基础上,提出了结合小波包变换和随机森林的蚀变信息提取方法。该方法采用小波包变换提取影像的时频局部化及多尺度细节特征,利用代价函数优化小波包树,得到蚀变矿物高低频信息的最优表示,经过干扰特征机制筛选重要特征,并利用随机森林完成投票分类。实验结果表明,该方法提取铁染、Al-OH及Mg-OH基团蚀变信息时能充分利用矿物光谱的能量特征,削弱矿物组分的噪声干扰。（3）提出了基于多尺度卷积神经网络特征分解的矿床定位方法。该方法在分析金属矿床的有机质特征的基础上,充分利用影像所显示的颜色、形状、纹理等影像形态,构造深层语义信息分类空间;采用模糊数学理论、元素相乘算法求交、逻辑叠加分析法提取影像的控矿因素;结合物化探等多源资料,构造遥感地质找矿模型。实验结果表明,该方法为地勘工作中的外围勘查和矿床定位提供了可靠的依据。（4）提出了比值运算、多尺度分割、随机森林相结合提取变质矿物的方法。核心思想为利用地统计学中的变差函数描述矿物的全局和局部空间结构变化性,采用矢量叠加的方法组合多尺度纹理特征与光谱特征,利用随机森林完成矿物分布带的搜索。实验表明,该方法能很好地描述地球化学元素分布的随机性,及其在岩石等介质中的局部富集和贫化规律,提取结果稳定。（5）提出了遥感影像岩性自动分类和主要及典型造岩矿物识别交叉验证的填图方法。核心思想为利用影像光谱特征及小波变换得到的多尺度纹理特征构造分类特征空间,进行10次高维且非正态分布的岩性分类,利用投票法避免岩性因样本的空间变异性产生的动态变化,优化岩性单元分类结果;采用可避免局部最优的蜂群算法搜索支持向量机的参数;构造了可有效提取白云母、黑云母、方解石、角闪石等矿物的指数。野外工作证明,该方法能智能化地识别影像的大部分岩性,填图结果与野外调查结果的相关系数为0.7。