随着空间技术以及信息处理技术的不断进步,遥感技术经过了 20世纪后半叶的长足发展,与成像技术和光谱探测技术相结合,产生了新的遥感分支——高光谱遥感。相较于其它遥感图像,高光谱图像具有光谱范围窄、波段连续、蕴含近似连续的地物光谱信息、地物识别能力较强等优点。近年来,高光谱遥感技术在土地资源的调查及开发和自然灾害监测等领域得到了广泛应用。本文通过分析高光谱图像数据特征,根据图像细节信息以及像元光谱间的细微差异主要存在于高频部分,而像元间相关性主要体现在光谱低频信息的特性,结合小波变换对信号高频和低频信息分离能力与多重分形谱对图像不同尺度下细节特征的精确描述性,提出了基于多尺度特征和多重分形分析的高光谱图像分类方法。本文主要工作内容如下:1.介绍了高光谱遥感图像的背景知识以及高光谱遥感技术目前在国内外的发展状况,包括现阶段的高光谱特征提取方法、高光谱图像模式识别方法、常用的评价高光谱图像分类效率的指标等。2.对高光谱图像进行预处理,完成了图像去噪和与混合像元分离工作,图像去噪通过一次离散小波变换完成,混合像元分离由基于多尺度下的小波特征实现。为后续的像元解混和分类识别做好准备。3.详细阐述了分形理论以及多重分形谱的基本原理,并对高光谱数据是否具有多重分形性进行了分析,然后提取高光谱图像的多重分形谱特征。4.利用已经分离好的纯像元集和混合像元集依次完成高光谱图像端元提取与丰度估计,实现像元解混。5.在AVIRIS数据库上进行实验验证。设计两组对比试验,一组将本文特征与SPPI+PCA对比,另一组分别选择最近邻分类算法和支持向量机算法与本文提出特征结合进行实验。根据实验结果,本文方法更具有效性。