遥感技术特别是现代传感器采集技术的发展使得遥感影像的辐射、空间、光谱和时间分辨率得到了一定程度的提高,并使得遥感在目标检测,天气预报,火灾检测,军事监视,农业实践评估等领域也发挥了更为重要的作用。遥感数据广阔的覆盖范围和遥感影像分辨率的提高使得多通道传感器采集的数据量难以估量。海量的遥感数据需要充足的带宽用以传输数据、足够的空间用于存储数据以及丰富的计算资源用于处理数据。在现有的实际条件下,这些要求很难同时充分得到满足。要解决日渐增长的遥感数据量与极其有限的硬件存储传输条件之间的矛盾,对遥感数据进行压缩是值得考虑的手段。遥感影像的有损压缩技术以牺牲部分有价值的地表信息为代价来获取更大的压缩比和更小的数据量。因此,有损压缩会在遥感影像中引入压缩失真,从而引起影像畸变和质量损失。遥感影像的终端“用户”为各类遥感应用,影像质量的下降会直接影响遥感影像的后续应用价值。而遥感影像分类作为遥感影像处理的重要环节和遥感应用最广泛的领域之一,研究遥感影像压缩失真对分类精度的影响是十分有意义的。针对以上问题,本文对JPEG2000有损压缩引入的压缩失真对遥感影像分类精度的影响进行了定量研究和分析,并提出了一种基于分形分析的遥感影像分类精度预测模型。本文选择高分二号、Landsat 8以及资源三号卫星影像来建立面向分类的遥感压缩影像数据集,选择JPEG2000算法对遥感影像进行压缩,选择最大似然和SVM分类算法对数据库内的遥感影像进行分类并计算Kappa系数、总体分类精度和平均分类精度等分类精度指标。然后,根据JPEG2000引入的压缩失真的特点和分类精度随压缩失真程度变化的分析,本文从局部和全局结构特征描述两个角度,基于分形分析对遥感影像进行了多尺度的特征提取。局部结构特征方面,本文基于单分形分析逐像素计算了遥感影像的分形维数,并得到分形维数矩阵,随后本文基于分形维数矩阵提取相应的统计特征作为局部结构特征描述。全局结构特征方面,本文计算了遥感影像的多重分形谱,并将多重分形谱宽度作为全局结构特征描述。多尺度特征提取完成之后,结合多核学习算法,本文建立了无参考的遥感影像分类精度预测模型,实现了对遥感影像分类精度的自动预测。实验结果表明,本文提出的分类精度预测模型在预测遥感影像分类精度方面表现优异,预测性能较为突出,预测结果和真实结果具有较强的一致性,实验结果证明了模型的有效性。与其它参考对比算法相比,本文提出的算法在PLCC、SROCC、KROCC以及RMSE等多个预测性能评价指标上都取得了最优的结果。在多次重复实验中,本文的预测模型的数据波动也是最小的,进一步验证了模型的稳定性和优越性。最后讨论了本文的不足之处和今后的改进方向。