随着遥感数据获取技术的迅速发展,遥感数据量得以迅猛增长。然而,遥感数据处理技术的滞后使得隐藏在遥感图像中的信息与知识并没有被充分的利用。遥感图像挖掘技术的出现,为人们能充分利用遥感数据,从中发现、提取隐含信息,找出非平凡的知识提供了新的途径。　　 作为一种重要的数据挖掘技术,关联规则挖掘的目的是从大量数据项集间发现有趣的关联或相关联系。论文在对关联规则挖掘技术的研究现状进行深入分析的基础上,选取高空间分辨率遥感图像开展图像关联规则挖掘研究,其目的是建立图像光谱、纹理、形状等属性特征与图像分类属性之间的关联关系,建立易表达、易重用的分类关联规则,从而打开图像分类的“半黑箱”,为遥感影像的智能化分类提供新的技术途径。围绕上述任务,本文的主要工作包括:　　 首先,研究了将遥感图像转化为结构化的离散型事务数据库的技术方法。本研究引入而向对象的图像分析思想,应用多尺度图像分割技术进行图像分割,获得同质特征基元;其次应用支持向量机分类法(SVM)对分割后的特征基元进行分类,以确定基元的地物类别:计算基元的光谱、纹理和形状等属性特征,并应用K-MEANS算法进行属性数据聚类,对其进行离散化;最后应用信息增益法判断基元各个特征属性与基元类别属性的相关性,删除属性相关性小的特征,完成特征降维,从而建立适用于关联规则挖掘的属性表。　　 其次,以SPOT-5,ALOS等遥感影像为主要数据源,开展了高分辨率遥感图像多特征关联规则挖掘。本研究采用FP-Growth算法获取特定试验区的强关联规则,构建实验区图像的分类关联联系,选取典型关联规则进行分析,并将强规则推广到其它区域进行规则验证。实验获得了较高的检验精度。　　 研究表明,以上通过关联规则挖掘建立遥感图像分类规则的技术路线是切实可行的,它为遥感图像的智能分类和解译提供了新的思路。本文最后对工作进行了总结,并对需要进一步开展的研究工作进行了展望。