随着我国高分遥感技术的深入研究,遥感相关产业蓬勃发展,国产高分卫星产品广泛应用于地质、环境、交通等诸多领域,如何利用遥感快速、高质量、自动地获取典型要素及其变化信息,成为亟待解决的问题。多数遥感应用的基础都是遥感影像的分类和信息提取,而影像提取精度依赖于参考样本的选取,现有的样本选取和影像解译方法依然以人工为主,自动化的提取一直处于研究阶段,从技术上讲,在自动选取样本并实施分类还需进一步加强;从结果看,分类结果受到“同物异谱”和“同谱异物”问题的影响,使得遥感自动提取陷入瓶颈。针对同种地物的影像特征差异,本文提出一种基于子样本分析的遥感监督分类方法。提出“子样本”的概念,即以子类为标准类别建立的样本,其中“子类”指同一地物类型范围内影像特征相差较大的不同类别。本文选取新疆天山北坡的一景GF-2号遥感影像为实验数据,对研究区的盐碱地信息实现基于子样本的自动提取。研究采用动态聚类的算法自动获取子类,据此完成子样本库的建立。为检验子样本的适用性,采用控制变量法设计三组对比实验,用Kappa系数和总体分类精度衡量大类样本与子类样本之间、以及三种监督分类器之间的提取效果。为实现自动提取,采用卷积神经网络的分类方法,高效且准确的完成了提取实验,并将卷积神经网络方法与传统提取方法得到的结果进行对比分析。主要成果有:(1)实现了子类的自动划分和子样本的自动化获取和建库,对基于像元的监督分类研究具有一定的指导意义;(2)通过对比实验,证实基于子类样本分析的遥感分类方法有效的提高了遥感信息提取精度,并在一定程度上削弱同物异谱的影响;(3)使用卷积神经网络实现了遥感信息的自动提取,节省了时间和人力,提高了分类的效率和精度。