建筑物是高分辨率遥感影像中的主要地物目标之一,其解译与自动提取在新型城镇化、智慧城市、军事侦察等经济建设与国防建设上有着重要应用,因此,国内外研究学者都在加大对遥感数据处理方法的研究。鉴于此,本文在对高分辨率遥感影像建筑物提取理论进行分析的基础上,提出并实现了几点具有实际应用价值与学术参考价值的思路与方法:1、对传统分割算法在高分辨率遥感影像中提取建筑物的适应性进行针对性实验,得出新的分析结果。本文引入四种经典的面向对象分割算法进行建筑物提取,包括边缘提取、聚类、区域生长、超像素等主要的图像分割方法,并对每种算法的分割结果进行目视与定量分析,得出每种算法在高分辨率遥感影像中建筑物的分割效果及对影像类别的适应性分析。2、针对SLIC(Simple Linear Iterative Cluster)分割方法边缘贴合度较低、特征提取复杂、运行时间较长等问题进行改进。提出了改进SLIC超像素算法,该方法利用建筑物的灰度特征与位置特征结合,对SLIC算法的特征向量进行降维改进,减去了特征向量的计算冗余,实现了算法运行效率的较大提高,在边缘贴合度上也有较明显的改善效果。3、针对SLIC的过分割问题引入区域合并新方法。提出了 一种基于改进SLIC与区域邻接图(Region Adjacency Graph,RAG)的高分辨率遥感影像建筑物提取算法。根据处理影像特征,提出了对区域邻接图权值的自定义,再进行区域合并。该方法可在同一幅影像中分割出具有不同结构特性和颜色特性的建筑物,且分割精确度与运行效率均有所提高。