遥感影像广泛应用于资源调查、土地覆盖分类、农业生产、环境检测、生态保护和目标识别等领域,由于光学影像容易受到天气条件的影响,影像中会存在一定量的云覆盖,云的存在妨碍影像解译工作和后续利用。准确检测出影像中云的位置,便于测绘产品的生产和影像地物识别,具有重要的生产意义。本文针对传统的云检测方法检测精度不高、适用性不广的现状,围绕多数据源、多区域的遥感影像开展云检测方法研究和测试实验。以资源三号和高分一号高分辨率影像为实验数据,研究不同特征识别云层的能力,提出基于支持向量机(Support Vector Machine,SVM)的多特征融合的云检测方法。分析云在不同波段中的辐射特性,结合影像的光谱特性提取样本的光谱特征;再利用像元块的和差直方图提取影像的纹理特征;选取归一化植被指数(Normalized Difference Vegetation Index,NDVI)作为补充特征,以像元的光谱特征、纹理特征和NDVI特征构造特征向量,利用SVM进行云检测。结合改进的平均梯度、几何形状特征进行后处理,减少初步云检测中误判的地物。在Landsat影像和Spot影像上使用该方法能得到较高的云检测精度,说明本文算法具有一定的可扩展性。实验结果表明,本文方法适用性广、云检测精度较高,能满足测绘生产要求。