遥感数据以其多波段、大范围、周期性观测的特点,已经成为地理信息研究和应用中不可缺少的信息源之一。随着遥感图像数量的急剧增加,尤其是高分辨率影像近些年得到了广泛应用,如何对其信息进行快速分析与提取,已经成为遥感影像信息提取和共享的热点问题。　　 本文以面向对象影像分析方法为基础,将遥感影像信息提取根据感知与处理的层次顺序不同分为两种,一种是基于计算机对于遥感影像的处理过程,是以像素为处理单位所进行的信息提取,即“自下而上”的相似像元的合并式操作;一种是经过人对真实地物的感知,首先从地物的整体组成、形状结构等进行认知逐渐展开至地物细节,这是一种“自上而下”的过程。将这两类方式融合起来,即将人类所获得的地学知识与影像本身提供的图像信息结合起来,建立多尺度、多特征的遥感提取信息模型,为实现这一过程,本文从尺度问题的根本认识、描述方法、有效转换等方面进行了综合研究,开展了遥感影像信息提取实验与分析。　　 首先,通过改进的局部方差法将计算单元从像素级别提升到对象层次,衡量被分割对象的大小与实际地物斑块的拟合程度,确定不同地物类型所适宜的最优分割尺度。实验证明,这种方法能够有效提高土地利用的分类精度,并将其应用于海岸带地区高分辨率影像上的地物提取中,获得较为理想的精度。　　 其次,本文总结了面向对象水体提取技术的发展现状以及存在的问题,并以水体作为均质地物典型,实验了两种多尺度的地物边缘提取方法,即边缘外推下的分割提取方法与双尺度分割叠加提取方法,使得影像提取的工作量集中在不同尺度下边缘地带的判别上,并发挥多尺度提取的优势,将提取结果相互整合补充,并对不一致的待定边缘地带进行重点提取分析,提供二次修正的功能。　　 最后,对于组合型地物的提取,本文采用了多尺度分层提取策略并实现了不同尺度层次间的知识传递与转换。依据不同尺度下的分割结果构成具有层次等级的影像图层集,针对提取目标整体与部分所对应的分割尺度不同,结合不同的特征表达,建立决策树分类体系。以盐田及学校提取两个实验进行验证,得出在较大尺度上提取父对象,在父对象的边界限制下提取子对象策略的适用性,并将空间位置关系、形状指数等地学知识融入到对影像的分析提取中,实现了面向对象多尺度精确提取地物的目标。