随着我国经济发展,建筑物在城市化进程中逐渐增加。建筑物是人类生产和生活的主要场所,如何有效的管理和监督建筑物是至关重要的。在科学技术日益发展的情况下,无人机遥感影像用于日常土地管理已经常态化。如何快速准确且自动提取建筑物,实施智能化、自动化管理是本文研究的重要内容。本文通过AdaBoost算法将影响建筑物检测和提取的主要三个特征,颜色、纹理和形状提取出来并级联在一起,将算法集成在系统中,最终设计和实现基于无人机遥感影像建筑物提取系统。论文的主要工作有以下四点:(1)原始的无人机航拍导出的影像存在较多问题,不适合直接进行用地类型的提取需进行图像的预处理,其主要包括:畸变差校正,空中三角测量,生成正射影像,镶嵌匀色。(2)本文选取了建筑物提取过程中具有代表的三个主要特征的颜色、形状、纹理三,并分别对建筑物进行了提取实验得出其识别精度。通过其识别精度分析了各类特征不足,最后针对建筑物形状一定,纹理均一,颜色均匀等特性采用AdaBoost算法将三种特征中能够表征最好的特征进行级联整合。实验证明了采用AdaBoost算法更能够比单一特征提取算法精度更高,更加有利于准确识别到建筑物。(3)本文根据用户的使用习惯以及算法的特点设计了系统的基本构架,明确系统对无人机建筑物进行提取为核心功能,基础地图操作和影像预处理为其中较为关键的功能,其它功能进行从旁辅助。(4)通过运用ArcGIS Engine的GIS平台、基于.NET Framework可视化开发环境、采用C#编程语言,实现了基于无人机遥感影像建筑物提取系统开发。系统具有图像预处理、色彩变换、多特征提取以及建筑用提取的功能,实现了建筑物识别和提取一体化、自动化。从实验结果来看采用基于三种特征级联AdaBoost算法的平均准确率达到92%,平均精确度达到95%,其准确率和精确度均远高于采用颜色特征、纹理特征和形状特征的准确率和检测率。本文将算法的研究成果构建成一个建筑物提取系统使得科学技术转化成生产力,节省人工提取地物所花费大量精力,同时也为遥感影像更加精准实现所有地物自动化提取提供了参考依据。