遥感技术是一种通过传感器探测远距离目标的综合性感测技术,现已广泛应用在地理国情普查、抗灾和防汛监测、城市规划与勘测制图、文化遗产和生态环境保护、自然资源探测等众多领域中。针对林业信息化进程中需要解决的遥感影像处理问题,影像分割和分类技术逐渐成为发展的重点。特别是随着遥感成像技术的发展,遥感影像的分辨率不断提升,对影像分类技术提出了更高的要求。文章分析了本次研究的背景和意义、存在的难点和未来的发展趋势,介绍了几类经典的影像分割和分类方法,在分析传统分类器面对高分影像时的不足之后,选取了支持向量机模型对遥感影像分类过程进行研究,文章中通过ENVI+IDL二次开发平台,完成了适用于高分辨率遥感影像的支持向量机分类模型的构建工作,并通过划分样本集进行训练、测试,验证了分类器的性能。文章的主要研究内容如下:1.针对高分辨率林业遥感影像分类问题,选取遥感影像数据和小班数据进行叠加处理,划分样本集参与训练支持向量机分类模型,优化训练样本的特征提取过程。针对小班数据匮乏、先验知识量不足的问题,引入迁移学习的理论,充分利用先验知识,将已标记的训练样本和未标记的训练样本相结合形成新的训练样本集,从中选取特征组合作为分类依据,构建初步的支持向量机分类模型。2.通过对初步模型的不断训练,优化分类模型中的参数,最终形成适用于本次研究中实验环境的最优参数集,从而构建最优分类模型。