伴随空间信息技术、遥感技术和计算机网络技术的飞速发展，对地观测技术亦有很大进展。利用遥感图像进行地物识别和解译已是当今地学领域的重要分支，并成为国内外研究的一个热点。纹理作为遥感图像的重要信息和基本特征，在遥感图像的解译中具有重要意义。论文围绕着遥感图像中地物的纹理特征，提出了纹理分类的不同数学模型，通过分析不同模型的利弊，提出了相对更加合理有效的基于分形纹理的遥感影像识别方法。 本文在系统地研究了有关纹理和分形的定义和相关理论基础之后，以三峡库区的CBERS-1影像为例，提出并建立了基于分形纹理的影像分类的具体数学模型。并以其子区域为实验区，依据已建立的数学模型，采用改进的模糊C-均值聚类思想，实现土地覆盖分类。然后采用混淆矩阵法评定分类结果的精度，不仅精度得到提高且取得了满意的结果。实验结果证实该方法具有实际应用价值和重要理论意义。