随着遥感技术的不断发展以及卫星空间分辨率的不断提高,高分辨率遥感影像在各领域的应用已经变得越来越为广泛。与此同时,利用卫星图像进行车辆目标识别与提取成为智能交通领域中交通信息采集的重要手段之一,基于卫星影像的车辆提取以其潜在的应用前景成为当今国际上的前沿研究热点。本文以基于卫星影像的车辆提取中的尺度问题为侧重点,通过对道路车辆卫星影像的尺度转换,尺度效应评价分析,利用最优尺度选择方法——邻接均值差标准差比法确定最优分割尺度,利用尺度与目标对象提取的关联性实现车辆的高精度提取。论文主要研究内容如下：(1)面向对象影像分析技术及多尺度下的影像特征。首先论述面向对象影像分析技术发展趋势及影像分割技术。在多尺度遥感影像分割技术中,主要阐述基于异质性最小原则的区域分割算法。分析不同尺度下卫星影像中道路与车辆特征,其中包括道路与车辆的颜色、形态、位置等特征,对接下来的尺度转换与尺度效应评价提供了理论依据。(2)影像信息尺度转换方法及尺度效应评价。分析了图像分析中尺度转换的两种方法——基于统计方法与基于机理方法的优缺点。在面向对象的尺度转换方法中,以影像对象的分形维数、紧凑度、面积、均值、标准差、异质性作为评价尺度转换的指标。利用评价指标随尺度变化而变化的曲线对尺度效应进行评价。(3)最优尺度选择。根据图像处理中的最优尺度算法与尺度效应理论,分别采用面积比均值法和邻接均值差标准差比法两种方法来进行车辆目标提取的最优分割尺度实验,通过对分割效果的对比分析,选择了邻接均值差标准差比法作为车辆目标最优分割尺度的确定算法。(4)本文选取三种不同种类的高分辨率遥感影像中的三个影像片段应用尺度效应与最优尺度选择理论进行大尺度提取道路与小尺度提取车辆,并对车辆提取结果进行评价。本研究对于完善卫星影像中车辆目标提取方法,实现车辆目标快速、精确提取具有重要参考意义。