近年来,随着我国航空航天、遥感技术、GIS和GPS技术的飞速发展,地理国情监测技术也在我国飞速发展。地理矢量数据是地理国情监测中的重要数据,矢量数据包含点、线、面数据。而在遥感影像中,面状数据是所占比例最大的矢量数据。通常情况下,在地理国情监测中获得的面状矢量数据是冗余的,因此需要对遥感影像中面状数据进行化简。现有的矢量轮廓简化算法都是针对矢量数据本身,并没有很好的利用遥感影像中的影像信息。因此现有的矢量数据简化算法并不能很好的达到地理国情监测中的要求。为了使简化后的面状地物轮廓能够符合人类视觉,并且能够符合地理国情监测中的要求。本文通过已有的原始的冗余的面状地物矢量数据,使用传统的矢量数据简化算法获得初解,建立该初解的搜索空间,提取遥感影像中面状地物的影像特征,根据提取的影像特征,在搜索空间中寻找到最优的轮廓来代替原始冗余的矢量数据,为后续操作和分析提供美观、实用的矢量数据。本文主要采用了三种方法进行寻优。1)使用动态规划算法。将多目标问题转换为单目标问题,将搜索寻优的过程变为分阶段的过程进行优化。2)使用多目标遗传算法进行寻优。通过设立搜索空间,对种群中的个体进行编码,使用多目标遗传算法对种群中的个体进行进化,找到最优解。3)使用改进的多目标粒子群算法进行寻优。由于多目标遗传算法中的缺陷,使用改进的多目标粒子群算法对种群中的个体进行进化,找到最优解。本文分别对三种方法进行实验和分析,发现了各种方法的优点与不足。通过实验分析,动态规划算法对部分地物具有较好的结果,但是对不同的地物其表现尽不相同。发现多目标粒子群算法和多目标遗传算法对面状地物轮廓的简化可以获得比较好的结果。但是多目标遗传算法存在着效率低、运行速度慢的缺陷,多目标粒子群算法很好的弥补了多目标遗传算法存在的问题,成为解决该问题比较好的一种方法。