遥感技术通过不同的空间平台(如飞机、卫星)上的传感器(包括可见光、红外、微波、激光等传感器)从空中远距离被动或主动地获取地球表面大量数据。这些数据只有经过处理和解译才能变成有用信息。而当前最突出的是缺乏快速有效的各种专题信息提取的技术和方法，如何从遥感大量影像数据中，快速有效的获取有用的信息，以适应各种基础信息系统建立的需求。介于此，本文深入探讨了应用粗糙集理论对遥感影像中各种专题信息的特征属性分析，从影像中对特定村镇建设区、水体、农田、林地、裸地等专题信息的快速提取，初步建立了专题信息提取的遥感信息系统。 不同传感器获取的不同分辨率遥感影像特性是各不相同的。“同物异谱，同谱异物”现象的广泛存在，使得各种地物专题的正确区分变得非常困难。这种不确定性运用粗糙集理论进行分析探讨，并做了一些算法设计与试验分析的工作，得到了良好的提取结果。 因此，本文主要围绕通过遥感数据机理探究，解析专题信息提取中的不确性及如何结合粗糙集来解决遇到的问题。 粗糙集理论是一门新兴的不确定性处理理论和工具，它特别适合于不完整、不确定知识和数据的表达、学习和归纳。遥感信息从其数据获取开始，就始终伴随着不确定性的存在，应用不确定性理论和方法研究遥感专题信息提取是当前遥感信息智能处理领域的主流研究趋势之一． 专题信息提取，每种专题都有一种特定的模式。文中详细分析了村镇建设区，水体、道路、农田这些“模式”是如何形成的。文章就人工智能、模式识别理论与遥感图像专题信息提取之间的关系进行详细探讨。专题信息的知识是怎么表达的，通过建模进行特定专题信息的知识表达及机器识别。 各专题地物信息的知识表达抽象且模糊，怎样进行有效的分析引入粗糙集理论，其特点为以不完全信息或知识去处理一些不明晰现象的能力，或者说依据度量到的某些不精确的结果而进行数据区分的能力。遥感专题信息中含有的较强空间复杂性和相关性，处理过程中存在不完整性和不确定性，所以借助善于处理不确定性信息的粗糙集理论具有比一般的硬计算方法可以获得更好的性能。 本文的主要工作与创新性成果包括： 1、研究特定专题信息知识表达的空间建模技术。不同遥感影像中待提取的特定专题地物的多种特征或属性可运用粗糙集来进行重要关键的特征属性挑选，而不需要采用诸如模糊隶属度函数、概率分布密度等先验知识，同时不会受到前提条件的约束。由此得到的遥感图像专题的典型描述，对提取工作起指导性作用。 2、从图像数据的不确定性出发，阐明图像分割与分类的联系以及它们与图像专题信息提取的密切联系。从分析不确定性出发，研究并开发了一种普适性较好的影像中自动提取道路专题的方法，且在多种遥感影像数据的道路专题提取中得到成功应用。 3、提出遥感影像信息决策表的表达形式，并开发出基于变精度粗糙集(VPRS)的遥感数据特征选择算法，变精度粗糙集中β对提取规则特征集的影响及β的稳定区间的解决，使得算法能得到一致稳定的结果。 4、将遥感数据表达成特征向量形式，由于对大量特征进行有效降维能提高提取效率，于是创造性提出基于RgPCA的遥感影像特征降维方法，该方法能克服干扰，并在相同精度下比常规PCA提取的主成分个数更少。 5、遥感影像的专题划分可以通过聚类来完成。考虑到不确定因素，提出了Roughk-means聚类方法对遥感数据向量进行划分以提取出专题，从误差矩阵的分析结果看，Roughk-means聚类自动提取专题的方法效果要更好一些。而且将Roughk-means聚类方法成功应用于大范围遥感影像中。 6、不确定性为误差概念的延拓，为比误差更一般的度量，是被量度对象知识缺乏程度的描述，误差和精度作为不确定性的一种特定表达法。认为基于误差矩阵的精度评价方法可作为不确定性评价的一种典型方法。