遥感是20世纪60年代兴起并迅速发展起来的一门综合性探测技术,它在城市规划、资源勘查、环境保护、土地监测、农业、林业以及军事等领域的应用显示了无与伦比的优越性,并且应用仍在不断拓展。遥感图像分类是遥感技术应用中的一个重要问题,其目的是将遥感图像中的像元按照地物类别进行划分。目前遥感图像分类方法多仅利用光谱信息,导致分类精度偏低。因此,有必要利用纹理信息提高分类精度。在对目前常用的纹理分析方法的归纳总结和分析的基础上,本文研究了基于分形理论的遥感图像分类方法。该方法利用色彩相异度和饱和度分量作为颜色特征,然后提取分形维度作为纹理特征,进行颜色和纹理相结合的分类。主要工作成果体现在下面两个方面:1.针对以往遥感图像分类方法偏重于利用颜色信息的缺陷,本文提出了一种基于分形理论的遥感图像分类方法。该方法利用差分盒维方法提取图像的纹理特征,通过计算色彩相异度和HSI颜色模型中的饱和度分量提取颜色特征。然后将纹理特征和颜色特征结合作为分类的依据,利用模糊C均值算法构造分类器进行分类。该算法在不降低分类过程效率的情况下提高了图像分类的精度。2.提出了一种基于多分维特征的遥感图像分类方法。该方法不仅提取原图灰度图像的分维特征,还计算了高低灰度图像、梯度图像等多个分形维数特征。然后结合颜色信息进行遥感图像分类,能进一步提高分类精度。