随着我国城市化进程的加快,建设用地在不断扩张。建筑区位置、范围和分布等地理空间信息对于土地利用规划、城镇化监测、灾害评估、基础地理数据库更新等都具有重要的应用价值。当前快速发展的高分辨率对地观测技术,为建筑区的精细化监测提供了有效的数据源。从卫星影像中自动获取建筑区信息受到国内外学者越来越多的关注,它可以有效解决传统的通过人工解译费时费力的问题。但是,高分辨率遥感影像中的建筑区具有光谱异质、纹理复杂、覆盖范围广的特点,这给建筑区的自动提取带来诸多挑战。本文受人类视觉系统的认知机制启发,从视觉注意和知觉组织这两个不同的角度来认识高分影像中的建筑区,并构建相关的建筑区提取模型,实现建筑区的自动提取。本文的主要研究工作如下:（1）受视觉注意机制启发,研究了高分辨率卫星影像建筑区的视觉显著性模型。利用多尺度小波变换度量建筑区的纹理显著性,并通过跨尺度融合生成建筑区显著图,进一步基于自适应的阈值完成对建筑区的提取。（2）受视知觉组织机制启发,研究了高分辨率卫星影像建筑区的知觉组织模型。通过超像素对遥感影像进行分割,利用空间变异函数提取超像素的结构特征;依据格式塔知觉组织规则描述超像素之间的空间结构关系,并将该规则融入基于超像素的显著性建模,得到超像素的连续性显著性和相似性显著性,然后对两个视觉显著性进行归一化,得到最终表征建筑区的显著性指数;最后,通过显著图阈值化和后处理完成建筑区的提取。本文利用ZY-3、QuickBird、WorldView-2和Google Earth高分辨率卫星影像进行了实验,通过查准率、查全率和F₁值对实验结果进行性能评估,并和经典的PanTex算法进行了性能比较。实验结果表明,本文的算法实验效果较好,实验精度总体上优于PanTex算法。