遥感技术与林业应用的结合是遥感应用的重要方面。林业遥感信息在支持林业宏观决策、服务林业经济建设和发展中发挥着越来越重要的作用。随着遥感技术的发展，遥感数据的种类和数量越来越丰富，研究将遥感数据转化为可用信息的处理技术和方法在不断的改进。挖掘遥感数据中的信息量，提高数据到知识的转化率，是遥感技术研究的重要内容。为了提高数据信息提取精度，一方面，选择合适的信息提取方法，即适合本研究的遥感数据分类方法，另一方面，从数据的特征着手，选择最优化的特征提高信息提取效率。　　 遥感影像信息提取的方法较多，各种方法各有利弊，针对不同问题选择适合本研究的分类方法是分类工作的前提。最大似然分类(MLC)算法是一种传统的基于统计学习的带参数的监督分类方法，在遥感分类研究中几乎都会涉及到该方法，理论和技术上都比较成熟。MLC能使错误分类的概率最小化，是一种较为理想的分类器，而且分类中使用辅助数据较为方便，因此作为本研究中使用的分类方法。根据山区林地类型的分布特点和自身类别属性特点，针对使用MLC对山区林地信息提取中遇到的种种问题，开展了深入而细致的理论和实际应用研究，并以此为基础设计和完成本博士论文。　　 论文的创新点主要归纳为以下四个方面:　　 (1)在传统MLC中引入了类别的先验知识。介绍了辅助数据的选取原则和先验概率的提取方法，并通过山区林地信息提取的实验，验证了高程与坡向等辅助数据与传统MLC相结合的过程。该过程模拟人工信息提取的思维模式，进一步提高了计算机的自动分类精度。　　 (2)构建了高斯混合分类器(GMC)用于山区复杂地形条件下的林地信息提取。通过对类别的样本分析，将不满足高斯分布条件的类别使用高斯混合模型(GMM)表达，并通过EM算法精确求取其参数，构建GMC提取林地信息。　　 (3)在基于像元的分类中提出一种空间信息特征的提取、表达与使用方法。针对提取的林地类型特点，尝试使用除光谱特征之外的空间信息特征。该空间信息特征能较好的反映类别的空间郁闭度信息，提高某些林地类别的分类精度，进而提升总体分类精度。　　 (4)与传统的面向对象分类不同，本文提出使用对象的直方图信息作为林地类型划分的特征，并使用Chi-Square距离作为直方图相似性的判别依据。采用面向对象的直方图特征分类，可以充分利用直方图的丰富信息，从分类结果的视觉效果和精度上均有明显改善。