随着航空航天技术的飞速发展,遥感影像的空间分辨率越来越高。研究如何从高分辨率遥感影像中高效和精确的提取各类地物的信息,不仅对遥感技术本身的发展具有推动作用,而且对我国正在推进的城市化和现代化进程具有重要的现实意义。面向对象的技术是在利用影像光谱信息的基础上,更多考虑影像对象的几何信息和纹理信息以及上下文之间的语义关系所提出的。由于面向对象的分类方法能够适应高分辨率遥感影像的特点,提高分类的精度和效率,并且能够有效的克服基于像元方法中分类结果的“椒盐效应”,因而现在已经成为遥感影像处理研究中的一个热点领域。如何深入挖掘和利用遥感数据中的各类语义关联知识,有效的去除各种复杂的干扰因素,提高解译的自动化和精细化程度,已经成为高分辨率遥感影像技术发展和应用的主要挑战。本文针对面向对象分类过程中的关键步骤,即影像最优分割参数的选择、影像对象的特征提取和最优特征子集选择以及面向对象分类方法等技术进行了讨论,旨在为高分辨率遥感影像的自动化分类提供参考。本文以无锡新区的WorldView2影像为实验数据,利用在高分辨率遥感影像分类中应用最为广泛的分形网络演化算法对影像进行分割。针对高分辨率遥感影像最优分割参数较难确定的问题,本文采用基于“影像对象内同质性和影像对象间异质性尽量大”原则的全局分割质量评价函数模型来对不同的分割参数下的分割结果进行客观、定量的分析和评价,在此基础上确定最佳分割参数。本文首先对原始波段进行相关性分析和协方差统计以确定各波段参与分割的权重,并针对63组不同分割尺度和光谱因子的参数组合进行了分割质量的评价,利用全局最优分割质量评价模型找到了适合于研究区的合适分割尺度,经过人工目视检验,利用本文方法选取的分割参数能够较好的表达真实地物的尺度,效果较优。针对面向对象分类过程特征“维数灾难”的存在,研究如何从众多影像特征中剔除与分类目标无关的特征显得尤为重要。本文在对影像各地物进行光谱分析的基础上确定将建筑物分为4个子类提取的类别划分方式,并在此基础上对各类地物的影像对象进行了光谱、形状和纹理等影像增强特征的提取,旨在充分挖掘高分辨率遥感影像丰富的地物信息。然后本文利用参数最优的随机森林算法对影像对象的83个特征进行了特征重要性的评估,并利用基于逆向迭代特征消除的策略的随机森林模型确定候选最优特征子集的维度,在此基础上利用相关性分析去除冗余光谱信息确定了由12个特征组成的最优特征子集。通过对比各类地物在选取出的部分特征上和原始光谱上的可分性发现,本文方法选取出的特征极大的提升了各类地物之间的区分度,从而验证了本文特征选择方法的有效性。本文在前文对影像进行最优参数分割、特征提取和选择的基础上,通过面向对象的KNN方法,面向对象的SVM方法和面向对象的随机森林方法对研究区的高分辨率影像进行分类,并利用混淆矩阵对三种方法的分类结果进行对比和分析。结果表明,面向对象的方法能够较好的对研究区的地物信息进行提取,地物的形状表达完整,且有效地避免基于像元分类的“椒盐噪声”现象。通过对三种分类方法的精度比较可以看出,面向对象的随机森林分类方法的精度较高,其能够较为有效的对建筑物信息和其他不透水层信息进行分离,同时由于其计算效率高、参数设置简单等优点,具有较强的应用推广价值。