近年来遥感卫星技术发展迅速，在遥感技术的各种应用中，遥感图像目标识别以及分类一直以来都是遥感图像处理、摄影测量和GIS等领域的重要研究内容。随着遥感图像分辨率的不断提高，如何获取更多有用的信息成为了首要解决的问题。面向对象的遥感图像目标分类方法已经成为当前的研究热点，它利用对象的特征信息包括光谱、纹理等来进行综合判别以达到分类的目的。　　基于图论的图像分割由于具备良好的分割特性而备受人们的青睐，是近年来国际上一个研究热点。在图论中，图像被看作一个带权图，图像中的像元或像元区域与带权图中的顶点对应，图像中两个像元或像元区域的相似性与带权图中的边权值对应。目前，已有多种基于图论的分割方法得到应用，本文研究了基于最小生成树的分割方法。　　首先进行遥感图像特征提取。遥感图像包含了丰富的信息，选择合适的颜色空间进行颜色特征的提取，设计Gabor滤波器组对其进行纹理特征提取，将多个特征进行融合组成向量来更好地表达图像的信息。　　其次根据最小生成树设计了图像分割方法，以加权的欧氏距离作为图的边权函数，以此来反映图像中不同区域之间的相似性。设计了一种基于边权函数的简单准则，根据控制参与合并的边权比例来控制区域的合并。满足这个准则的两个区域说明它们具有同样的性质可以合并为一个大的区域，而不满足的则不能进行合并。通过调整阈值可以实现多尺度分割，实验证明有较好的效果。　　最后在图像分割的基础上用面向对象的方法进行分类，针对遥感图像分类过程中的不确定性，采用模糊C-均值聚类算法对分割出的对象进行聚类，它是在模糊集合的基础上利用隶属度信息来确定待分类对象属于哪一种类别，实验证明可以达到较高的分类精度。