在海域使用管理中,养殖用海快速扩增,已对海岸带生态环境造成不利影响。为了维护近海岸区域的生态环境以及当地水产养殖业的可持续发展,对近海岸水产养殖区域进行快速、有效的监测很有必要。相比于现场调查,利用卫星遥感影像能够快速对近海养殖区域进行动态监测。在遥感影像中,Landsat影像具有大范围的覆盖特点,广泛用于养殖区的监测,然而由于其分辨率较低,边缘分布强弱不均匀,导致养殖区边缘检测易断裂、边缘特征不明显,而光谱特征有同谱异物的问题,这对Landsat影像的养殖区检测带来困难。已有的养殖区检测算法未同时考虑特征选择稳定性与分类精度的问题,导致不同地区影像分类性能不稳定,从而性能尚有提升空间。针对这一问题,本文以Landsat8影像数据为数据源,以辽宁,江苏和广东部分地区作为研究区,设计了一种基于特征选择与分类的养殖区检测算法。本文主要研究内容如下:(1)给出一种基于海岸带多尺度分割算法。由于养殖区的区域特征比像素特征更有优势,同时为了减少计算量,本文通过综合运用海岸带和面向对象的思想给出海岸带多尺度分割算法。(2)给出一种特征稳定性与分类精度协同的filter方法筛选算法。由于已有filter算法并不能提供哪种方法更适合养殖区的特征选择,针对这一问题,给出特征稳定性与分类精度协同的策略,从已有的filter算法中选择适合养殖区检测的算法,同时确定分类器以及最优的特征子集维数。根据该算法得出fisher算法对于本文养殖区特征选择的有效性,通过实验对比与分析验证了本文算法在一定程度上可以提升稳定性与分类精度。(3)养殖区检测的实验验证,将本文算法与两种embedded算法进行比较,通过精度、召回率、运行时间等性能的对比与分析得出,本文算法的分类性能与对比算法接近,而运行时间大大减少。而相比于养殖区检测算法,本文算法具有较好的性能。实验表明,本文养殖区检测的精度达到90%以上,且对不同影像区域进行养殖区检测的性能差异较小。