随着遥感卫星传感器的发展,遥感影像空间分辨率由中低分辨率提升到高分辨率甚至超高分辨率。高分辨率遥感影像地物细节特征丰富,为影像的精细解译提供了必要条件。建筑物作为一类非常重要的人工地物,其精确提取被广泛应用于城市规划、变化检测和人口估计等方面。现有的高分辨遥感影像建筑物的提取方法,主要通过人工解译的方法,无法满足海量高分辨率遥感影像处理的需求。基于监督分类的方法需要繁琐地进行人工样本挑选,同时训练过程耗时较长。因此,本文提出自动化程度较高的高分辨率遥感影像建筑物提取算法。该算法充分利用形态学特征、光谱信息、上下文信息以及建筑物的几何结构特性。实验部分选取了四个典型区域的高分辨率遥感影像数据,实验结果表明本文算法建筑物提取结果精度在80%以上。本文具体的研究工作如下:(1)构造形态学特征(顶帽变换、多尺度差分和多方向结构元素等)用于描述高分辨率遥感影像中建筑物特性(对比度和大小等)。(2)形态学特征主要考虑了影像中的结构特征,然而并没有充分利用影像的光谱特征、上下文信息以及建筑物本身的几何结构特性。针对建筑物和一些常见的误检的特性,提出联合形态学算子和光谱约束、阴影验证和形状约束的建筑物提取算法。(3)本文建筑物提取算法对复杂场景的适用性。原始的形态学建筑物指数提取算法在城区可以取得较好的结果,在非城区却存在较多的误检。本文提出的建筑物提取算法通过各种信息的综合使用提高原始形态学建筑物指数算法对复杂场景的适用性。实验数据采用了多种类型的场景,城区、郊区、农业区以及农村等。通过这些典型实验数据的结果验证算法的适用范围。(4)与基于监督分类的方法和基于阴影的建筑物提取算法进行对比实验。