科技迅速的发展,纸质地图已经逐步走出历史舞台,取而代之的是电子地图的百花齐放,但电子地图的制作仍然需要大量的人力物力完成,电子地图中地理对象的智能转换因而成为一个非常重要的课题。本文主要研究卫星图像中主要地理对象的检测和提取,有重要的学术价值和实际应用价值。本文分析的对象主要是Google Earth卫星图像,在对源图像进行预处理的条件下,采用模糊规则分类法,针对不同的对象建立不同的隶属度函数,将地理对象分类为为建筑物、道路和水域三类重要地物信息。利用数学形态学法与Hough算法相结合的算法,对道路对象进行提取,既能弥补Hough算法的局限,对细节提取不到位的缺陷,又能改善数学形态学法过提取的问题。对于建筑物的检测和提取,采用扩展的OSTU分割算法,结合建筑物先验知识,并进行多尺度分割处理提取出建筑物的潜在区域,于此同时,根据对象关系特征提取建筑物的阴影区域。对于水域的检测和提取,主要利用水域边缘的特性,水域与周围物体在灰度上有较大的阶梯,极易提取其初始轮廓,然后结合形状指数对初步提取结果进行去噪,最后利用膨胀腐蚀算法得到水域平滑的边界、消除水面上船只等其他物体的影响。再所有对象成功提取后,采取图像合并的方法,将所有对象按照坐标合并于一张图像,并将不同类以不同颜色分辨。采用Google earth地图作为实验源图像,运用本文所提出的方法分别对不同比例尺的地图中的建筑物、道路和水域进行实验,实验结果表明本文所用算法能够较好的检测和提取这些地物信息,达到了研究目的。