目前在大规模资源普查中，研究人员都是通过卫星图像，人工识别并手绘出目标区域，继而进行统计分析，人工识别及手绘工作往往需要花费数月的时间。为了能够提高卫星图像进行勾绘及分类的效率，本文基于图像分割、图像特征提取及识别技术，应用聚类分析等统计学方法，结合卫星图像的特点，总结出一种适用于卫星图像的快速勾绘及分类的方法，方法研究分为三个环节分别是:卫星图像目标区域特征提取、目标区域边界识别及对边界的基于图像像素值的密度搜索聚类。　　基于图像像素特征的目标区域筛选方法为本文创新，该方法采用目标区域样本及非目标区域样本的双重筛选法，能有效地将目标区域与原始图片分离。　　在对卫星图像的边界点进行识别时，本文引入邻域函数，将图像进行平滑，这一操作既能有效地降低图像噪音，提高边界点识别的准确率及效率，同时还保证了在大规模卫星图像资源调查误差允许的范围之内。　　在对卫星图像分类的方法研究中，本文介绍了适用于边界点识别的单连通聚类方法，并基于有序聚类的思想提出了适用于图像边界点分类的图像有序聚类方法，但这两种方法由于计算过程较为复杂及实验设施的局限性在本文中没有实现对卫星图像的应用。本文提出的基于像素密度搜索聚类的边界聚类方法为本文又一创新，该方法通过两点之间连线上目标区域点占全部点的百分比情况，判断两点是否属于一类，实验表明该方法能有效地对图像边界点进行分类，且比有序聚类及单连通聚类方法的效率高。　　经过模拟图像及卫星图像的实验表明，本文总结出的卫星图像的快速勾绘及分类的方法准确而且效率高，并且该方法操作简单，很大程度上可以减少目前大规模的卫星图像资源调查中的人工作业量，可以提高工作效率，具有很大的实用价值。