建筑物作为城市地面的重要特征,在城市规划、灾害预报、资源勘探、数字城市以及军事侦察等领域都有着重要的应用。因此,研究建筑物的自动提取技术具有十分现实的意义。机载LiDAR可快速、精确、直接获取地表三维信息,基于该数据源提取城市建筑物的研究已逐渐成为一种新的发展趋势,但整体精度不高。而高分辨率遥感影像中具有丰富的光谱信息,对机载LiDAR是一个很好的补充,两者的集成将更加有利于建筑物自动、准确地提取。本文在总结前人研究基础上,提出一种融合机载LiDAR数据和高分辨率遥感影像的分层分类算法来提取城区建筑物。首先,将原始LiDAR点云数据插值后生成的数字表面模型(DSM)与滤波后得到的数字高程模型(DEM)做差值运算得到归一化数字表面模型(nDSM),并基于对研究区的先验知识,选取研究区的最小建筑高度作为阈值滤除部分地面物体。然后,采用区域生长算法将高程滤波后的nDSM分割成互不重叠的区域。最后,对易与建筑物混分的植被按类型分两步滤除：基于NDVI滤除和基于空间关系滤除,得到最后的建筑物结果。主要研究内容和研究结论如下：(1)机载LiDAR数据组织：通过分析机载LiDAR数据特点和各种数据组织形式优劣,认为规则格网可以简化数据组织方式,降低算法难度,提高数据处理效率,是适合于地形起伏变化较为平缓的城市地区的机载LiDAR数据组织形式。在此基础上,选择合适的格网尺寸和内插函数,根据激光脚点与内插点的距离确定权重,提出一种新的DSM插值算法。研究结果表明,该插值算法生成的DSM可有效表达建筑物边缘突变,避免传统插值算法在建筑物边缘的均匀变化。(2)机载LiDAR数据滤波：在总结机载LiDAR数据滤波原理、归纳滤波中存在的困难、综合分析评价典型滤波方法优点和不足的基础上,提出一种改进的基于表面拟合的滤波算法。该方法首先采用区域生长算法对重采样的LiDAR数据进行图像分割,提取最大连通区域为初始地面,再基于坡度阈值精炼初始地面点,最后对筛选后的地面点进行克里金插值实现滤波。实验数据采用ISPRS提供的标准滤波实验数据。实验结果表明,与Brovelli提出的基于分割的滤波方法相比,改进的滤波算法将Ⅰ类错误率从21.75%降低到1.47%,Ⅱ类错误率从2.39%降低到1.85%,总错误率从12.92%降低到1.65%。改进后的滤波算法较好地解决了易受粗差影响、初始地面点难选择、大型地物滤波效果不佳等问题。可以有效地区分地面点和地物点,适合城市区域机载LiDAR数据的滤波。(3)机载LiDAR数据分类：在研究机载LiDAR数据组织、数据滤波的基础上,研究机载LiDAR数据的分类。对于容易与建筑物混分的植被,本文从两个方面进行滤除。首先,基于归一化植被指数(NDVI)从遥感影像提取植被与分割后的nDSM图像做叠置分析,通过判断两者的交叠面积比例来滤除遥感影像中存在的植被；其次对于遥感影像中被遮挡的植被,则通过判断建筑物与植被之间的空间关系以及面积大小来滤除。实验结果表明,本文方法考虑到了遥感影像中存在的投影差,融合空间叠置分析,解决了机载LiDAR数据与遥感影像之间无法直接套合的问题。与直接应用NDVI滤除植被的方法相比,本文方法将建筑物提取率从85.94%提高到90.20%,大大降低了FN类错误。(4)本文选取南京市鼓楼区的一块研究区,在作者自己独立编写的机载LiDAR数据处理系统平台上进行实验,并与实地验证数据对比做出精度评价。研究结果表明,本文方法的建筑物检测率为90.20%,正确率为92.58%,整体精度为94.31%。这说明本文提出的方法具有充分的可行性和较高的实用价值,能够有效地实现城区建筑物三维信息的自动提取。同时,研究中还发现基于LiDAR数据提取建筑物边缘没有提取建筑物主体精度高。有待于进一步研究的工作,主要是进一步提高滤波算法的实用性以及解决图像分割后的合并等问题。