对地观测技术以及计算机技术的发展，使得人们获取影像信息的途径更加方便，特别是最近几年国产高分辨率遥感卫星的成功发射，更加快了影像信息的更新。但这些高分辨率影像数据也对特征提取、融合和分类方法提出了新的问题和挑战。高分辨率遥感影像的光谱、纹理和形状等特征信息体现的更为丰富，因此对于高分辨率遥感影像来说，传统仅基于单一特征和像元的分类方法，不但会造成分类质量变差，同时也导致大量影像数据出现冗余，极大地浪费资源。本文以提高高分辨率遥感影像分类精度为中心，以资源三号测绘卫星影像为主要数据源，对影像分割、特征融合及分类方法进行深入研究，并用两个实际应用案例来验证本文所实现的各种分类方法。　　本研究主要内容包括：⑴对图像分割方法进行研究，包括均值漂移分割、基于图论的分割和分水岭分割三种算法，并对算法本身和输出结果进行优化改进，研究分析选择适合高分辨率遥感影像的分割方法。⑵在研究特征信息提取的基础上，借助模拟退火思想，利用顺序后退选择法进行特征选择，以去除冗余信息，获取有效的特征子集。⑶对支持向量机中核参数优化方法进行改进，以加快最优核参数搜索的速度，保证分类结果精度。使用单一特征和融合多特征进行遥感影像分类对比实验，验证融合多特征分类的优越性。⑷研究高分辨率遥感影像面向对象自动分类方法。分析现有非监督分类方法的不足，实现一种训练样本自动选取的面向对象自动分类方法。⑸使用两个高分辨率遥感影像应用实例来验证本文实现的分类算法。具体包括：使用融合多特征分类方法进行高分辨率遥感影像变化检测；使用面向对象自动分类方法进行高分辨率遥感影像海岸线自动提取。应用潜力较大。