本文详细阐述了将高分辨率遥感影像的土地利用分类结果由栅格数据格式转换为矢量数据格式的相关理论，方法和技术流程，提出了一种较为通用的方法，利用高分辨率遥感影像，通过影像分类提取土地利用相关的专题信息，如地表水体分布信息、建设用地(包括建筑物和道路)分布情况等信息，并通过对分类结果数据的处理和转换，获取GIS矢量数据，以满足进一步的专题信息制图和数据库建设等方面的应用需要。 论文介绍并分析了高分辨率遥感影像信息的复合多样性等特点，这些特性使得遥感图像的处理技术与方法发生较大变化。在这些技术方法中，影像分类技术是一个热点。卫星遥感影像分类就是由卫星遥感影像生成专题图的过程。专题图的含义很广，包括土地利用图、地面覆盖图、植被图、土壤图、土壤侵蚀图、地质构造图、水系图、城市图、道路图等。影像分类就是基于影像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。用于土地利用变更或土地利用动态监测的遥感分类方法主要有两种。一是计算机解译，又称遥感图像理解(Remote Sensing Imagery Understanding)，它以计算机软硬件为支撑环境，利用模式识别与人工智能技术相结合，根据遥感图像中土地利用不同类型的地物影像特征，结合知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现影像解译。另一种是目视解译，又称目视判读，它指专业人员通过直接观察或借助判读仪器在遥感图像上获取不同利用类型的土地的灰度、色彩、形状、纹理、结构等信息的过程。高分辨率影像的分类过程则需要更多地借助专家系统、神经网络、决策树，以及分区分类等方法，除利用基于光谱的分类算法进行处理外，引入相应的纹理、高程等信息，在多源信息融合的基础上获得的分类结果。 高分辨遥感影像土地利用分类数据的矢量化工作是在土地利用遥感制图及其应用分析过程中，继高分辨率遥感影像土地利用分类和专题信息提取之后的主要后处理内容，旨在改变数据存储表达方式、建立拓扑关系、减少数据量、提高存储和显示速度，以便用于空间分析与应用评价，满足区域土地利用数据更新、土地利用遥感制图等土地管理工作的实际需要。 论文的研究内容主要包括以下方面： 1)由于分类是矢量化的前提，因此本论文对遥感影像计算机分类的原理、一般过程和方法进行了分析，并着重介绍了对矢量化具有直接影响的分类后处理的相关原理和方法。为了使得分类过程具有代表性，在试验区QuickBird影像的计算机分类中采用了结合非监督分类和监督分类方法，人工目视判读相辅助的混合分类方法。整个分类过程经过了模板精度和实际分类精度两次精度控制，从而能够保证所获得分类结果能够满足提取矢量信息的要求。 2)深入了解了分类结果矢量化的相关原理，包括栅格数据和矢量数据的概念和特点分析，栅格数据转矢量的一般过程和方法等，然后针对试验区数据开展矢量化的相关工作。在进行矢量化具体工作之前，需要对分类结果进行一定的处理，包括类别分离、二次滤波处理、二值化处理、形态综合处理、边界提取，其中基于数学形态学的形态综合处理与边界提取最为关键。在保留形态信息的前提下，将得到的栅格边界线转换成矢量线，从而实现了栅格数据转换成矢量数据的目的。 3)综合运用GIS平台提供的矢量数据编辑处理功能，选取适当的控制参数，对所得到的矢量图层进行线要素的简化、平滑处理，并建立拓扑关系，生成矢量面状数据层，得到较为完整的矢量图层。 4)利用得到的矢量数据进行土地利用专题制图应用研究，包括各种土地利用类别相关的专题制图。 通过上述工作内容的完成，本次论文课题研究实现了针对试验区高分辨率遥感影像，以土地利用分类为基础，综合运用数据处理和转换的相关方法，以及遥感和地理信息系统软件平台，所进行的分类结果栅格数据的矢量化研究，并提出一种新颖的矢量化制图技术路线，具有一定的应用价值。