遥感影像成像过程受多方面随机变化因素的影响,从而导致获得的影像数据具有一定的随机性。遥感信息统计密度分布具有复杂性和多样性,在特征空间中往往表现为多种密度的混合分布。混合模型在分类应用中的难点是求取混合模型的参数,Newton-Raphson和scoring算法在求解参数时非常复杂、困难,Dempster等人提出的EM算法通过引入模式标签构成完整数据似然问题很好地解决了这个问题,但是EM算法对初始值非常敏感,初始值的选择往往影响分类精度和算法的稳定性;同时,对多光谱数据,由于谱间相关会导致方差协方差矩阵奇异,使得EM算法迭代过程中非正常终止而无法获得可靠结果。论文在总结遥感分类与特征提取研究现状的基础上,对EM算法在遥感影像分类进行了深入研究。完成的主要工作和取得的成果如下:1.论述了基于统计分析的遥感影像分类方法,分析了各种分类方法及其特点,归纳了基于统计分析的遥感影像分类方法的研究成果。2.描述了混合模型和EM算法,详细推导了EM算法求解混合模型参数的过程。分析了EM算法直接用于遥感影像分类存在的问题。3.针对EM算法存在的问题,提出了基于对数-主成分变换的EM算法用于遥感图像分类:对多光谱数据进行对数变换后采用主成分变换,通过分析第一主成分直方图确定初始分类数,结合K-means方法确定初始分类标签,进一步采用多个主成分的EM方法迭代分类以避免方差协方差矩阵奇异,通过实验数据验证,所提出的计算方案分类精度优于普通EM方法和传统的K-means。