近年来，随着QuickBird等高分辨率商用遥感卫星的成功发射，高分辨率卫星图像的数据资源越来越丰富。基于这些图像，人类几乎能够实时、多角度、高清晰地对人类赖以生存的地球环境进行观测。因此，高分辨率卫星图像在许多应用领域都引起了研究者的广泛关注，如地理信息系统(GIS)制作与更新、地图制作、城区规划、抗灾救灾、环境监测和数字地球等。然而相对于图像质量的高速提升，技术和理论的发展却比较缓慢，特别是城市地物的自动提取技术，已经严重阻碍了空间信息采集自动化和智能化的发展进程。因此，本文针对密集城区的高分辨率卫星图像，展开城市地物中最主要的构成要素建筑物的自动提取算法研究。本文的工作和贡献主要有以下几个方面：　　 1.提出了一种基于区域的2-D建筑物自动提取算法。算法首先利用SVM和纹理特征对图像进行分类，提取出感兴趣的建筑物类区域，然后提出了一个基于种子点的区域合并算法求取建筑物的覆盖区域并以此为基础产生建筑物屋顶的轮廓假设，接下来利用线段特征对假设的错误边缘进行纠正，最后利用阴影和几何约束剔除非建筑物假设。　　 2.提出了一种基于边验证的2-D建筑物自动提取算法。算法基于”假设-验证”框架，首先利用备选建筑物区域和线段特征产生建筑假设，然后利用边验证算法进行假设验证。边验证为整个算法的核心，其基本实现思路是：对建筑物各个不同方向的所有备选边赋予一个概率，该概率用来表示备选边成为该方向上最优边的可能性，然后利用图像特征估计任意两个备选边概率之间的约束关系，最后基于这些约束关系，构建了一个二次规划的优化问题，通过求解这个最优化问题使每条备选边的概率最大程度的和利用图像特征所估计出来的边的概率之间的约束关系相一致，从而能够对这些概率进行最优估计。实验结果证明该算法能够非常有效的从复杂场景中提取出建筑物的正确边缘。　　 3.提出了一种评价物体边缘规则度的方法和构建了一个建筑物内部区域一致性的图像特征评价体系。边缘规则度度量方法针对离散图像中物体边缘的分布特点，定义4个规则边缘描述子，然后利用统计的方法对物体边缘的规则度进行度量。为了有效的描述建筑物内部区域的一致性，本文作者从建筑物内部、周围环境和阴影三个方面，构建了完整的图像特征评价体系，为建筑物提取提供全面的可靠的图像特征。