近年来，随着传感器光谱分辨率、空间分辨率和时相分辨率的不断提高，并且由于遥感图像具有观测范围广、实时性高、数据综合性强等特点，当前遥感已广泛应用于生态学、地质学、水文学、环境学和大气科学等诸多领域。面对海量遥感数据，遥感图像分类与检测是获取图像数据中有用信息的重要方式，它是根据影像中每个像元在所有波段上的光谱信息，空间位置信息和其他辅助信息将影像像元划分为不同类别，从而产生专题地图便于人们生产决策的过程。传统地物分类与地物检测方法对像元光谱信息利用不足，无法精确描述同一类型地物统计分布特性，并且没有考虑像元间空间语义信息，造成地物分类与检测精度较低。　　本文主要工作是利用非参数贝叶斯模型与高斯混合模型对像元光谱统计分布进行精确描述，实现遥感地物光谱分类；利用权重马尔科夫随机场引入像元间空间语义信息，实现遥感光谱空间地物分类；综合利用道路目标光谱特征，空间特征，特有目标特性实现道路网络中心线的精确检测。本文方法在多光谱遥感数据集上得到了较好的分类检测结果，本文具体工作总结如下：　　1.对遥感图像光谱特征地物分类方法进行了研究。针对传统最大似然光谱分类方法对像元统计分布描述不准确问题，提出了一种基于非参数贝叶斯高斯混合模型的最大似然概率光谱地物分类方法。该方法能在一定模型复杂度下更好的拟合地物光谱统计分布，从而获得更精确的统计描述，得到更高的地物分类精度。　　2.对遥感图像光谱空间特征地物分类方法进行了研究。针对传统基于马尔科夫随机场光谱空间分类方法对像元间语义信息利用不足问题，提出了一种基于权重马尔科夫随机场的最大后验概率光谱空间地物分类方法。该方法考虑邻域系统中不同像元间类标影响的差异性问题，引入了邻域像元间的空间语义信息，从而获得了更高的地物分类精度。　　3.对遥感图像中道路中心线检测方法进行了研究。针对传统道路中心线检测方法利用信息少，所采用策略单一问题，提出了一种基于光谱特征分类的道路中心线检测方法。该方法充分利用道路光谱信息、空间信息及道路特有目标特性，且采用多策略融合方式提取道路，实验结果表明本文提出算法具有很高的检测精度及鲁棒性。