高分辨率影像上的地物可辨识度高,形状、颜色、边界等清晰可见,同时也出现同类地物拥有多个光谱特征的情况,单靠光谱信息分类很难达到精度要求,因此纹理特征常常被作为光谱特征的有效补充,被引入到遥感分类中。无论是传统的像元分类,还是后来的面向对象分类,再到现在的深度学习分类,学者们都很重视纹理特征,纹理特征加入分类后能有效提高分类精度。但在纹理特征表达的过程中,有一个很值得关注的问题,那就是纹理尺度问题,即纹理提取过程中涉及到的窗口大小问题。虽然目前已经有较为成熟的遥感影像的尺度效应分析理论体系和研究方法,且纹理尺度分析可归类为这个大体系下的一个小方面,但由于纹理特征表达自身的方法复杂性,纹理尺度选择和纹理尺度效应分析还缺少行之有效的方法。针对以上问题,考虑到纹理的度量在频域比空域更加直观和方便,图像经傅立叶变换后得到能量图谱,用极坐标度量,能够准确描述图像纹理的周期模式和方向的分布,本文以遥感影像纹理特征表达最常用的方法即灰度共生矩阵和分形模型的方法为纹理特征表达方法基础,采用傅里叶频谱统计分析方法,对上述两种纹理特征的尺度效应进行了分析。旨在从纹理自身的特性出发,确定出能够实现最佳分类的理论最优纹理尺度,使影像纹理信息更充分地被利用。本文主要的工作和成果如下:(1)本文系统地总结了遥感尺度问题的研究现状,指出纹理尺度在遥感尺度问题研究体系中的位置,明确纹理尺度和遥感尺度的关系。针对已有的纹理尺度研究做了阐述,指出现有研究中存在的问题,根据问题提出解决方法。(2)本文提出了基于频谱统计法的最佳纹理尺度选择方法,在分析频率域图像频谱能量在不同尺度下的变化的过程中,阐明了频谱分析法何以选择最佳尺度,这种变化的实质是由于纹理周期和方向的改变造成的,地物、纹理特征和最佳尺度是紧密联系的,最合适的纹理尺度是不仅保持原纹理的周期和方向,且能量的统计值最低,据此来选择遥感影像纹理特征表达的最佳尺度。(3)首先获取原始遥感影像上的四类地物的纹理影像,并提取多个尺度纹理图像,然后将多尺度纹理扩展影像变换到频率域,绘制四种纹理不同尺度下的径向和角向频谱曲线图,通过分析不同尺度下径向和角向的频谱峰值能量变化信息,求取该纹理的最佳表达尺度。为了证明该纹理尺度选择方法的有效性,本文利用高分辨率影像进行了系列纹理尺度表达基础上的多尺度分类,利用SVM对多个尺度的影像进行分类,并对分类结果进行精度评价。实验结果表明,采用基于频谱分析的最佳尺度纹理进行分类可有效提高影像分类的质量和精度,灰度共生矩阵精度提高18个百分点,分形纹理提高1个百分点。