目前,遥感科学与技术已成为获取空间信息的重要手段。随着高空间、高时间分辨率的遥感技术的发展,已经形成了天-空-地一体化对地观测系统,遥感技术在测绘、国土、农业、林业、地理等领域得到了广泛地应用,而且正在不断深入到其他行业。遥感影像包含很多具有不同大小、不同姿态和不同方向的地物目标。一直以来,遥感影像的解译工作主要是依靠人工。人工解译一般需要先验知识,结果准确性高,但是比较费时、费力,成本高。随着遥感影像空间分辨率的不断提高,遥感数据量大幅度增加。面对大量数据以及不断增加的市场需求,人工解译方式稍显捉襟见肘,但是遥感影像的自动解译还不成熟,未能达到实用化的程度。所以,深入研究遥感影像自动化、智能化解译是一项具有实际意义的研究课题。本学位论文选择云、水体和植被三类典型的自然要素作为研究对象,开展相关要素的自动识别方法研究。本文的研究内容及结论如下:1、本文提出了一种基于改进HIS(色调、亮度、饱和度)模型的高分辨率遥感卫星影像自动云识别方法。该方法改进了RGB(红、绿、蓝)颜色空间向HIS颜色空间的转换公式。首先,对遥感影像的RGB波段进行改进HIS变换,利用饱和度以及强度影像生成基底图,并使用色调、近红外波段对基底图优化生成修正图;然后,综合利用Otsu阈值分割、直方图均衡化分割识别纹理信息,并生成云种子图;最后,结合遥感影像强度、云种子图精确识别云信息。采用两景国产高分2号(GF-2)遥感影像进行试验。试验结果表明,该算法错误率低于5%,查全率高于92%,查准率高于95%,提高了遥感影像云识别的精度,该方法具有方便使用、适应性强的特点。2、本文提出了一种基于新型比值特征的高分辨率遥感影像水体识别方法。该方法以遥感影像水体的固有特性作为主要识别特征,将视觉识别结果作为识别样本导入模型,利用直方图统计出样本值在各分量的分布范围,计算出模型参数。将试验影像输入模型,通过带通滤波器以及PM模型进行综合决策,由于样本的不同会给带通滤波器的参数计算带来很大问题,提出MDS算法有效解决了这一问题。利用三景GF-2遥感影像进行试验。试验表明,该方法查全率均在91%以上,查准率均在93%以上,错误率均在4%以下,有较好的水体要素识别效果。3、本文提出了一种基于改进亮度特征的高分辨率遥感影像植被识别方法。该方法改进了HIS颜色空间中亮度公式。首先,对遥感影像的RGB波段进行改进亮度HIS变换;然后,利用植被的色调进行植被粗识别,将粗识别的遥感影像、饱和度、强度进行高斯变换;最后,将高斯变换后的结果融合,自动计算分割阈值。利用三景GF-2遥感影像进行试验。试验表明,本章算法查全率及查准率均在94%以上,错误率均在4%以下,有较好的植被要素识别效果。