高分遥感影像在城市规划、农业普查、灾害监测等领域得到了广泛应用。港口和机场作为重要的人造地物目标,具有重要的民用和军用价值。对港口和机场的自动识别一直是遥感影像应用研究中的热点之一。港口属于复杂的组合式地物目标,由防波堤、车辆、船舶、船坞、房屋、道路等相对单一的目标对象组成。这些目标对象分布在水陆交界线附近,相互之间存在一定的空间相关性。机场与港口类似,也是一类复杂的组合式地物目标,由航站楼、停机坪、跑道、飞机、车辆、建筑以及其它附属设施等相对单一的目标对象组成。这些目标对象以跑道为核心布置,相互之间同样存在一定的空间相关性。同时,在高分辨率遥感影像上,港口机场与其它周边的地物目标间存在着较大的差异。然而,机场的跑道以及停机坪具有明显的规则的线状特征,而港口因为水文条件的复杂,其线状特征相对并不明显。在高分辨率遥感影像上,传统的港口和机场的识别方法对这些重要特征缺乏充分的分析和利用,使得识别结果无法满足实际需求。本文提出一种融合显著性分析和语义信息提取的港口机场识别方法,主要包括以下三个方面。1.根据港口和机场中组成对象的尺度信息,对高分遥感影像进行显著性分析,生成初步的显著性影像,再使用初步的显著性影像生成精化的显著性影像,同时通过模糊聚类和统计学方法对精化的显著性影像进行分析,以分析结果为依据在高分遥感影像上提取若干潜在的可能属于港口或机场的兴趣区域,用于进一步的目标识别。2.参考经典的基于词袋模型(Bag of Visual Words,BOVW)的单层语义信息模型,提取SIFT特征进行特征学习,并结合模糊理论中关联度的概念,计算图像关联度,提取更高层次的语义信息,以构建多层次的语义模型。对第1步提取的兴趣区域实施粗分类和细分类,保留判定属于待检测目标的兴趣区域,并绘制出最小外接矩形,完成初步识别。3.对每张待识别的影像实施港口和机场的初步识别,如果既生成标示港口初步识别结果的最小外接矩形,又生成标示机场初步识别结果的最小外接矩形,则进一步从第1步生成的精化的显著性影像上提取直线特征,根据直线特征与标示机场初步识别结果的最小外接矩形的相交或重合情况,确定阈值,并利用该阈值设计分类器,避免语义相似性造成的港口与机场的混淆,完成港口和机场目标的最终识别。本文使用高分遥感影像进行实验,与现有的方法的实验结果进行比较,对本文方法的有效性和实用性进行验证,发现本文方法的港口和机场识别结果拥有更高的准确率和查全率,证明本文方法可以实现对高分遥感影像上港口和机场的有效识别。