随着遥感技术的发展,遥感分类技术在土地覆盖/利用方面具有广泛的应用。利用多平台遥感影像和地理辅助信息获取土地利用/覆盖信息是遥感应用的一个重要方面。遥感数字图像处理技术的出现,从根本上改变了传统遥感图像的处理及识别方式,为完善遥感技术系统,实现对地物高效、快速识别以及多源信息处理创造了良好的条件。本文研究以CBERS-02B卫星CCD数据应用为切入点,以广西北部湾地区遥感影像为研究对象,把提高其自动分类识别精度作为研究的目的,在对传统自动分类识别技术进行试验、精度分析的基础上,本研究还利用多种分类器进行分类实验,包括新的分类方法——支持向量机分类方法。分类结果表明,应用这种新的自动分类技术后,遥感图像的分类精度都较传统方法有大的提高,达到了区分研究区土地覆盖/利用类型的分类目的。为土地资源部门在遥感应用上提供了新技术,具有十分重要的理论和实践意义。本文的主要内容和结论归纳如下:(1)利用传统的分类方法包括非监督分类和监督分类中的,ISODATA法和最大似然法,以及利用新的分类法神经网络和支持向量机法,对广西试验地区做土地覆盖类型分类研究,并进行分类精度评价比较。结果表明支持向量机法在遥感图像自动分类上取得了很好的精度,为85.94%,Kappa系数为0.7865。相对其他三种分类方法,分类精度最高。(2)根据适当的方法对CBERS-02B卫星数据进行预处理,能够减弱大气和云对遥感图像的分类精度影像。本文主要对试验区遥感影像进行了辐射校正、大气校正、几何校正和数据融合等处理。