随着中国城市化进程的加快,土地利用现状发生了前所未有的变化。其主要表现为城市逐渐向农村和郊区扩张,城市建筑更新和违章建筑的检测成为土地资源管理部门一项重要的工作。由于土地利用变化频繁,对高效率、大范围自动获取建筑地物动态变化提出了迫切要求。近些年来,随着遥感技术和数字图像处理方法的快速发展,为自动发现新增建筑,实现大规模动态检测提供有力的技术保障。目前,利用遥感影像检测建筑变化方法使用的特征较为单一,不能很好表达建筑物特点,识别建筑物的完整性和精度较低;其次,识别建筑变化仍需要选择训练样本,人工干预较多,自动化程度低。基于这些问题,本研究提出一种高分辨率遥感影像新增建筑物自动检测方法,本文研究主要探究以下两个方面的内容:(1)本研究提出基于多特征的新增建筑自动检测方法,利用MBI(Morphological Building Index)、Pan Tex和Harris特征提取新增建筑信息,采用特征层融合方式提取新增建筑结果,利用特征加权求差和开窗半重叠计算单特征的新增建筑热点图。(2)通过面向对象方法融合特征结果,特征热点图通过二值化和取连通域后,实现了变化信息由像素到对象层面的转化。然后通过对象投票方法实现特征的融合,利用光谱约束、形状约束和形态学处理方法对结果进行优化,完成新增建筑提取。本研究提出的算法在全国23个县进行了测试,遗漏率均低于32%,查准率均值为72.93%,平均精度F1范围为0.70～0.84,说明算法有较稳定的精度表现,可以有效地提取新增建筑。为了探究不同特征组合对结果精度的影响,设置了MBI、Pan Tex以及二者对象投票三个实验,结果显示多特征组合方式有更高的精度,主要的原因是MBI与Pan Tex特征的对象投票可以提高检测结果的查全率,其结果与Harris特征的对象投票可以进一步提高查准率,最终实现平均精度的提高。为了测试特征融合方法对精度的影响,加入了特征直接叠置和变化向量分析法作为对比实验,结果显示多特征对象投票更具有优势,最根本的原因是多特征对象投票以MBI特征为基础,以Pan Tex和Harris特征为辅助信息,采用不同权重的特征融合策略,可以避免由多特征误差信息直接累加导致的较低查准率。本研究提出了一种高分辨率遥感影像新增建筑自动检测方法,在无需训练样本的情况下实现新增建筑的自动检测,极大节省了人力,为提高作业效率和实现土地大规模动态检测提供重要的技术途径。