遥感影像分类得到的专题类别信息已广泛的应用于各个领域。为评价专题类别信息是否可以应用于后续研究，并分析专题类别信息在后续使用中的影响，需在获得专题类别信息的同时，提供专题分类信息的可靠性。因此如何全面、准确的评价分类结果的不确定性是本文研究的重点。本文针对如何全面、准确地度量遥感影像分类中的属性不确定性的程度，分别从像元—地物类别—影像整体三个尺度上进行了相应研究，建立了遥感影像分类不确定性评价体系，并使用新疆石河子垦区的IKONOS多光谱影像作为数据源，对其进行最小距离分类和支持向量机分类，采用以上评价体系对上述分类结果进行评价。在像元尺度上，研究了基于信息论的遥感影像分类不确定性评价理论，并以分类后获得的概率矢量为切入点，采用概率熵模型完成了像元尺度上的分类不确定性评价，不仅获得了每个像元上的分类不确定性信息，而且使分类不确定性的位置信息可以比较形象直观的显示出来。在地物类别尺度上，研究了粗糙集理论下的遥感影像分类不确定性评价方法，在分析原有方法存在的问题后，修改了原有模型，提出了基于边界域的修正粗糙熵模型。首先从理论上对该模型对分类知识所引起的不确定性度量更为客观进行了证明，然后在此基础上分别利用该模型和修改前的修正粗糙熵模型计算分类不确定性，对每种地物的不确定性进行了评价。在影像整体尺度上，研究了粗糙集理论下的遥感影像分类不确定性评价方法，以地物类别尺度上评价过程中获得的上下近似集合为切入点，采用近似分类精度和近似分类质量作为度量评价影像整体的不确定性，并对两种分类器的分类精度进行比较。从实验结果中可以得到如下结论：第一，在像元尺度上，不确定性值变化剧烈的区域位于类别与类别之间的边界区域，而对比两种分类算法可以看出最小距离分类结果的边界区域范围明显大于支持向量机分类结果的边界区域范围。简单的聚类集群判别方式使得最小距离分类器对类别与类别的边缘区分较为困难，而支持向量机分类算法采用一定的核函数将像元映射到更高维的空间中，从而拉大类别与类别像元之间的距离，使得类别的边界区分更加容易。第二，无论使用最小距离还是支持向量机分类器，对任意类别其分类结果在使用基于边界域的修正粗糙熵模型进行评价时的不确定性值都小于使用修正粗糙熵模型的，可以看出在充分考虑边界域影响的前提下，本文所提出的基于边界域的修正粗糙熵模型能够更客观的对分类知识所引起的不确定性进行描述。第三，本文所使用的评价指标充分的利用了影像中所有的像元，而非依赖于地物类别较纯净的测试样本，因此基于粗糙集理论的评价方法更充分的考虑了边界域像元对分类结果的影响，因此，评价更加接近真实情况。本文以遥感影像分类过程中获得的概率矢量为基础，运用信息论、粗糙集理论，完成遥感影像分类不确定性的多尺度评价研究。从而以不同尺度，不同角度，获得影像不确定性的各种信息，完善对影像不确定性评价过程中，只使用单一尺度评价方法所造成的不确定性信息表达不完整的问题。