近年来兴起的数据挖掘技术能够从大量、高维、模糊、有噪声的数据中获取有用信息，这就为数字遥感图像的识别提供了新的方法。　　论文将数据挖掘技术用于数字遥感图像的识别。首先将分辨率为30m*30m的数字遥感图像利用 Envi4.7软件进行裁剪，裁剪成占地面积为6030m*6030m范围的图像，然后将图像像素的六个波段进行分离，提取出每个波段的灰度值数据整理为图像数据文件，利用数据挖掘聚类分析对图像内容进行分类，采用不同的分类精度分别将遥感图像包含的地物内容分割成5~16类，并根据聚类后会产生类内偏差和类间偏差对图像聚类效果进行了评价。然后根据聚类结果，研究了5~16类时反应各类地物六个波段灰度值变化特征，确定了遥感图像内容的最佳分类，根据遥感图像每一类的像素波段灰度值的特征能够进一步识别出图像内容对应的地物类型，如岩石、植被、林木、水体和建筑物等。论文分别处理了官厅水库、白云鄂博和黄石市的数字遥感图像，处理内容包括：（1）数字遥感图像像素波段灰度值提取，每个像素提取6个灰度值，每幅图像共40401个像素；（2）以数字遥感图像像素为数据对象、像素波段灰度值为属性，对图像内容进行聚类分析，分别将图像内容分为5~16类；（3）根据类内偏差和类间偏差的分析报告、聚类接近性报告和还原出来的仿真遥感图像跟原遥感图像比较，对聚类结果进行了评价；（4）分析研究了官厅水库、白云矿区和黄石市，能够反应各类地物类型的六个波段灰度值的变化特征。对比分析将地物分为5~16类时，由每类地物的六个波段灰度值的变化特征可知：官厅水库图像内容分为6类时，聚类效果最好,能够清晰的分辨出水体、山丘、沙滩等；白云鄂博图像内容分为8类时，聚类效果最好，能够清晰的分辨出岩石和林木；黄石市图像内容分为9类时，聚类效果最好，能够清晰的分辨出水体、道路等地物。可以根据地物波段变化特征作为识别条件去分辨整幅的遥感图像的内容，实现对数字遥感图像内容的识别。　　研究结果表明，利用数据挖掘技术能够有效地对遥感图像进行分类，在分类的基础上，根据分类后每一类图像光谱波段特征有效地对地物类型进行识别，对区域环境的保护和研究具有指导意义。