随着遥感技术的飞速发展,利用遥感影像进行信息提取己然成为遥感领域的重点和难点。传统的遥感影像信息提取技术由于忽略了高分辨遥感影像丰富的空间、纹理特征信息,往往难以取得满意的提取效果。面向对象分类方法的提出,为遥感分类技术提供了一个新方向。本研究利用新型遥感影像高分一号遥感影像数据为研究的数据基础,并且针对高分一号的数据特点,分别进行了大气校正、几何校正、图像融合等图像预处理的研究。采用面向对象的分类方法对塔河县瓦拉干林场进行森林类型信息提取,充分考虑了光谱、纹理、几何等信息,并且加入植被指数等信息,采用多尺度分割技术,利用决策树分类方法和最邻近分类两种方法进行分类处理,最终实现森林类型的分类。本论文的研究重点主要是多尺度分割参数的获取,特征信息的筛选以及面向对象的分类方法。得出以下结论：(1)根据多层次多尺度的原理与算法,不同地物对象采用不同的分割尺度。通过多次试验,确定分割尺度、形状因子、平滑度和紧致度并结合目视判读,选择出最优的分割尺度。(2)采用不同光谱特征、形状特征、纹理特征,应用决策树模型对遥感影像进行特征提取,实现对研究区域的森林类型的分类,同时对比单一层次的最邻近分类方法,实践证明应用多层次分割的决策树模型分类精度为84.1%,Kappa系数为0.815,而采用单层次的最邻近分类方法的分类精度达到76.2%,Kappa系数为0.703。前者的分类精度高于后者,因此证明针对高分辨率遥感影像进行分类处理,多层次多尺度的分类方法更能有效的对森林类型进行分类与识别,为实现森林类型的提取提供可靠的依据。