遥感影像地物分类是从遥感影像中提取专题类别信息的一个重要手段，长期以来，一直是一个热门的研究课题，并已取得了较多的成果。随着遥感技术的不断发展，人们对遥感影像应用的需求也在不断提高。然而，在复杂的自然环境条件下，遥感数据与遥感对象之间存在着非线性、模糊性等问题，成为地物分类技术进一步发展的障碍。本文针对高分辨率卫星特别是高空间分辨率卫星的不断涌现，尝试着进行遥感影像分割分类算法研究，以期提高遥感影像的分类精度。　　针对遥感数据存在的非线性问题，本文采用数据变维的映射技术，提高研究对象的线性度;对于遥感数据的模糊性，在引入空间邻域信息的同时，充分结合光谱信息，提高模糊对象的确定性。具体的方法上，在基于像素的分类方法中，引入半监督技术和核理论到传统的模糊C-均值(FCM)算法中来，以解决遥感影像存在的非线性、模糊性和缺少参考数据问题。在面向对象的分类方法中，首先利用本文提出的分割精度指标进行地物的分层最优分割，然后将多层最优分割综合实现影像分割，提高了遥感影像的分割分类精度。实验结果表明，所提出方法能有效减少对地物类型的误判，具有较高的精度和可靠性。为客观评价遥感图像分类结果，本文在对分类结果的客观评价方法上进行了一定的尝试，提出了影像分割精度评价方法和基于空间分层抽样的遥感影像分类精度评价方法。归纳起来，本文的主要研究工作如下:　　(1)基于监督法分割精度评价原理，提出一种遥感影像分割精度评价方法。引入准确度P和查全率R度量分割结果的“欠分割”、“过分割”程度，在此基础上定义了相对相似性指标S，进行影像分割精度评价。　　(2)提出基于空间分层抽样的遥感影像分类精度评价方法，能够选取具有均匀性和代表性的参考样本，保证分类精度评价的可靠性。　　(3)提出一种基于半监督及空间邻域信息的核模糊C-均值的遥感影像分类方法。该算法运用核理论将低维空间非线性不可分数据映射到高维空间变得线性可分;采用半监督技术指导待分类和参考数据聚类，提高了遥感影像的分类精度;引入空间邻域信息，增强抗干扰能力和降低“椒盐”现象的影响。　　(4)提出一种多层最优分割的面向对象分类方法。利用提出的分割精度指标，在分层空间上实现不同地物的多层最优分割，完成遥感影像的分割和面向对象分类。