粗糙集理论是一门新兴的不确定性的处理理论和工具。它特别合适不完整、不确定知识和数据的表达、学习、归纳。国内外智能数据处理领域对其理论和应用有着广泛和深入的研究。遥感信息从其数据的获取开始,就一直伴随着不确定性的存在,应用不确定性理论和方法研究遥感信息的处理、分析和结果评价是当前遥感信息智能处理领域的主流研究趋势之一。本文以遥感影像土地利用分类为主线,研究粗糙集理论在遥感影像数据处理过程中的理论框架和应用模型。论文从遥感影像的不确定信息的分析出发,结合粗糙集理论的不确定性处理机制,对遥感影像图像处理技术包括预处理、分类数据准备等、遥感影像的分类知识发现、遥感影像分类器的设计和方案的实施等作了探讨、方法设计和实验分析工作。工作的创新之处主要体现如下:用决策树的方法进行练习遥感影像的分类方法过程,探讨决策树分类方法与粗糙集分类方法的异同。基于遥感影像分类知识,利用地理信息系统的知识进行特征选择和知识约简,采用三种粗糙集理论,一般粗糙集理论算法、启发式粗糙集理论算法和动态属性约简算法进行对比,探讨不确定信息的知识约简算法。基于遥感影像分类规则知识的规则提取算法,采用启发式算法和动态规则算法进行规则提取,并用实际的数据进行规则提取实验。将算法集成影像分类器,粗糙集理论的分类器设计与实现,用三种方法反复的组合搭配,实现知识分类的最佳的组合方法,并用实际的数据进行实验分析,给出了分类模式和分类模型。将粗糙集分类器用同一地区多个时间的遥感时像进行遥感影像分析,证明分类结果的正确性,并用人们可以理解的形式表达出来,进行基于像元尺度的粗糙不确定性遥感影像分类后文件的精度评价,证明粗糙集理论的不确定系统的有效性。遥感数据处理过程中的不确定性问题直接关系到处理分析效果的好坏,良好的处理机制有助于提高处理能力和提高算法的处理效率。在遥感分类过程中,粗糙集理论有很多的有效的应用地方,如降低高维属性数据的能力和融合地学知识的能力。本文针对当前比较普遍使用的土地利用分类为研究方向,研究还有很多的局限性和研究的程度也肤浅。希望投入更多的力量进行研究,找到更好更自动智能的土地利用分类方法,合理的开发利用土地。