随着遥感技术的发展,遥感数据获取平台不断增多,影像分辨率也不断提高。无人机遥感平台具有机动灵活、现势性强和节省人力物力等特点,目前已广泛应用于地理国情监测、卫星遥感验证、农村规划建设等领域。无人机高分影像的地物分类是无人机遥感数据研究的重点和热点之一,精确、快速地提取地物信息可以为相关部门提供及时、可靠的数据支撑和决策依据。面向对象分类作为当前主流的遥感影像分类方法比基于像素的分类方法更能充分利用高分影像中丰富的空间、纹理等信息,进而提升地物识别的精度。为此,本文以四川省青白江某村庄为实验区,选用无人机高分影像为研究数据,通过提取无人机高分影像的光谱、纹理、几何和空间特征,组合贝叶斯、K最近邻、支持向量机、决策树、随机森林5种分类器进行地物分类研究,从分类的效果和精度方面对5种分类方法进行对比分析,确定最适合该研究区的地物分类方法。基于最优分类方法,进一步分析无人机外业数据采集的飞行高度对地物分类的影响。具体来讲,论文的研究工作及成果主要包括以下几个方面:（1）无人机遥感数据获取和处理。于2020年6月、2020年7月和2020年8月3个时期,以80m、120m、160m、200m四种不同高度,采集了青白江某村庄的无人机影像,共计12幅。并在测区布设地面控制点,现场记录区域内地物类型为后续的数据处理和分类后的对比验证作数据准备。通过INPHO软件对无人机原始影像进行基于特征的配准和特征级的融合得到研究区的正射影像（DOM）和数字表面模型（DSM）。（2）面向无人机高分影像的分割方法研究。使用光谱差异分割、四叉树分割、棋盘分割和多尺度分割对研究区无人机影像进行分割实验发现,融合多尺度和光谱差异分割得到边界清晰,更符合真实地面情况的影像对象。在此基础上,进一步研究了尺度参数、形状参数、紧致度和最佳光谱差异值对分割结果影响,得到最佳参数组合。（3）基于无人机影像的特征信息提取和优化组合研究。对DOM进行基于二阶概率统计的纹理滤波提取影像的纹理特征,并通过波段运算得到影像的可见光植被指数。分析波段间的关系构建特征T。通过多时相DSM获取差异数字表面模型（DDSM）,提取测区内的水稻和玉米的高度特征。利用布料模拟滤波获取归一化数字表面模型（n DSM）,提取建筑物高度特征。最后,对多个特征进行优化组合,分析特征维度与类别之间的最优区分距离。研究发现,最优特征组合为VDVI可见光植被指数、纹理特征Contrast、构建特征T和高度特征（DDSM、n DSM）。（4）无人机高分影像地物分类方法与精度分析。将提取的多种特征组合贝叶斯、K最近邻、支持向量机、随机森林和决策树5种分类器对研究区进行面向对象分类,对构建的特征T和高度特征DDSM进行单一类别的精度分析,结果表明特征T能提高树木和竹林的生产精度和用户精度,DDSM也能改善水稻和玉米的分类结果。总体精度和Kappa系数结果表明,多种特征结合随机森林的分类最佳。同时,分析飞行高度对地物分类精度的研究发现,在飞行高度为80m～120m区间内,随着飞行高度的增加几乎不影响总体分类精度,在120m～480m区间内,随着飞行高度的增加,分类精度下降。