近年来,高空间分辨率卫星遥感影像技术得到了长足的发展,与中低分辨率遥感影像相比,高分辨率遥感影像中含有更加丰富的结构、形状和纹理等信息,传统的遥感影像纹理描述方法已经不能较好地解决高空间分辨率遥感影像纹理描述问题,并且同种纹理常常会以不同的旋转角度出现在影像中,这也给高空间分辨率遥感影像的解译与分析带来极大困难,因此亟待研究面向高空间分辨率遥感影像的新的纹理特征提取与描述方法。信号的稀疏表示理论已经成为图像处理与模式识别领域的研究热点之一,并且得到了广泛的应用。生物视觉研究表明,稀疏编码符合哺乳动物视觉系统的编码方式,并且其具有方向性、带通性、局部性等生物学特性。虽然已有一些基于稀疏表示的纹理描述方法,但是这些方法并没有很好地结合稀疏表示的生物学特性。针对以上问题,本文结合稀疏表示生物学特性发展了基于稀疏表示的纹理描述方法框架,并在此框架的基础上改进得到具有旋转鲁棒性的高空间分辨率遥感影像纹理描述方法。根据稀疏表示的生物学特性,假设信号在过完备字典中稀疏编码的系数中的非零元素位置代表了由信号所刺激的神经元的位置;由于一般通过学习得到的过完备字典并不是一个对旋转鲁棒的神经元集合,故考虑对过完备字典中的原子进行旋转变换,并利用旋转后的原子扩充原有过完备字典;随后基于扩充后的过完备字典对纹理图像进行稀疏编码,并约束稀疏编码非零元素个数为1;然后根据非零元素的位置统计直方图并进行池化处理,最后归一化获得纹理图像特征,从而使纹理图像在扩展后的过完备字典上的稀疏编码特征具有旋转鲁棒性。本文利用大量的高空间分辨率遥感纹理影像进行分类实验,通过分类精度来衡量并验证了本文基于稀疏表示的旋转鲁棒的纹理描述方法对纹理影像的旋转变换具有较强的鲁棒性,对高空间分辨率遥感纹理影像的分类也取得了令人满意的结果。