随着技术的发展,遥感数据量急速扩大,而与之对应的解译技术却没有突破性进展。虽然学者们对计算机自动解译进行了大量研究,然而众多成果大多还停留在实验阶段,由于问题的复杂性,计算机自动解译短期内无法满足生产要求,实际应用均是靠人工目视解译,这个方式需要耗费大量人力物力,效率低下,面对遥感的大数据已经显得严重不足。基于以上考虑,交互式提取方法是目前一种可行的替代方案。该方法充分发挥人的识别能力和计算机的计算能力,保证精度的前提下可以显著提高生产效率。本文以高分辨率遥感影像交互式地物提取为研究目标,探索目标地物有效的提取方法。论文主要研究内容包括：1)探索自然地物提取方法。针对林地、水系、裸露地、田地等包含丰富光谱、纹理、几何信息的一类地物,提出了一种基于全连接条件随机场的交互式提取方法。算法在分水岭过分割的基础上,利用用户交互获得的前景标记样本估计前背景模型,然后利用全连接条件随机场来描述影像的全局特征,接着在均值场估计的框架下利用高维高斯快速滤波方法实现模型的快速推断,最后进行轮廓优化。2)探索直角建筑物提取方法。建筑物中大部分均具有直角特性,利用这一点提出了一种模型驱动的方法。算法首先利用线段方向直方图探测建筑物的主方向,接着把建筑物旋转至这个方向。然后将影像规则化过分割为一系列小矩形,以小矩形为节点建立GraphCut模型并集成矩形形状约束,然后利用mincut/maxflow求得模型的最优解。3)探索LiDAR点云辅助下的一般建筑物的提取方法。基于光谱的方法在边界模糊、前背景相似的情况下容易出错,若集成高程信息则可提高算法的稳定性。本文以LiDAR为数据源,结合影像内外方位元素,利用扫描线滤波算法和Z-Buffer算法求取每个像素对应地面点的高程值。现实中非直角的建筑物也比较常见,与自然地物不同,建筑物通常具有明显的线特征和角点特征,基于这一点,提出了一种基于三角网过分割的交互式提取方法,并集成高程信息。利用三角形来充分利用影像中的点线特征,然后以三角形为基本单位建立GraphCut模型并集成星型形状约束,接着进行模型求解和轮廓优化。