目前,从高分辨率遥感影像中提取人工地物、自然景象等信息已经成为遥感应用基础研究的热点。其中建筑物提取这一研究方向尤为火热,其受到了越来越多学者的关注。然而,由于影像质量、拍摄天气条件、周边环境等诸多因素的影响,现如今的建筑物提取方法存在一定局限性,也使得建筑物提取结果与实际建筑物形态间存在一定差异。为了高精度提取高分辨率遥感影像建筑物目标,并使其达到实际应用层面,研究提升建筑物轮廓规则度和精准度显得尤为重要。本文将以高分辨率遥感影像为主要研究数据源,针对目前建筑物优化方法存在的锯齿、规则化程度低以及与真实建筑物形状不符等问题,提出了一种基于主方向的建筑物轮廓优化方法。本文的主要工作内容如下:1)本文首先介绍了遥感图像中建筑物的定义、特征和候选目标的概念,通过分析建筑物的主要特征,引入直角多边形建筑物模型,并将其作为本文建筑物优化候选目标的依据。然后详细描述了经分类法提取的建筑物初始结果的预处理方法。该方法首先根据同一个区域内建筑物面积,剔除初始提取结果中明显的非建筑物图斑,其次提取单个图斑轮廓,并对其进行初步简化和修整,剔除杂乱线段和突兀的节点。通过实验证实,该方法可以初步剔除错误分类,对建筑物轮廓进行初步化简。2)通过初步化简的建筑物轮廓依旧存在锯齿和不规则的问题,针对此,本文提出一种基于主方向的建筑物轮廓规则化方法。首先介绍遥感影像中建筑物主方向的研究现状,详细描述了结合外接矩形提取主方向的步骤,然后依据主方向为基准对轮廓线段进行全方位重构,实现建筑物轮廓的平直和规整化。其次,本文构建了建筑物轮廓的复杂度模型,研究基于该模型的自适应阈值在规则化方法中的适用性。最后,分别进行了经验法阈值和自适应优化阈值的建筑物轮廓规则化实验,通过对比分析,表明了利用经验法阈值的建筑物轮廓规则化方法能够在人工干预的情况下得到较好的优化效果;证明了在不同复杂度的建筑物规则化实验中,自适应优化阈值能够应用于本文所提的轮廓规则化优化方法,大幅减少规则化处理的时间成本,实现建筑物轮廓规则化的自动性。3)针对规则化结果存在的边缘内缩或外扩的偏移问题,提出了结合高分影像和初始提取结果的建筑物轮廓深度优化轮廓归位方法。该方法首先结合高分遥感影像计算得到高SSIM指标区域,用于对初始提取结果的联合补充;其次,依据二值图像的边界特性构建边界特征强度,实现对建筑物轮廓的偏移校正,以达到建筑物轮廓结果的深度优化。实验结果表明,该方法有效提升了建筑物轮廓的精确度和完整度,使得轮廓优化结果更加符合真实的建筑物形态。