高分辨率遥感影像由于具有更新速度快、获取周期短、地物细节丰富等特点，在社会各个领域中有着广泛的应用。传统的影像提取方法是建立在像元分析的基础上，在提取高分辨率影像信息时很少利用地物的形状、几何结构等信息，分类精度较低、效率不高，而且过多依赖人工操作，很大程度上不具备重复性，从而降低了信息提取精度。　　 为了更好地实现高分辨率影像信息的提取与应用，本文从对象的角度提出了多尺度和数学形态学相结合的分割方法提取最优目标对象，以得到高精度的分类结果。与传统的信息提取方法相比较无论是影像分析还是思考的角度有着很大的提高与进步。本文主要从以下几方面进行了研究：　　 (1)针对传统的分类方法提取高分辨率影像时计算量大、算法效率低等缺点，本文从面向对象的角度出发采用数学形态学与多尺度相结合的方法分割高分辨率影像，该方法选用符合目标提取特征的结构元素探测影像边缘信息，把探测得到的不同尺度边缘信息进行熵权边缘融合，以得到最优分割对象为影像分类奠定基础。　　 (2)通过多尺度与数学形态学相结合的影像分割方法得到特征对象，利用具有光谱、纹理等特性的对象采用多特征的模糊分类方法建立各对象之间的层次关系，分类的过程首先要在一组多维向量中选择最优的特征，然后使用模糊分类器确定不同类之间的距离总数，进而采用最邻近分类器进行分类以达到较好的分类结果。　　 (3)本文利用桂林市航测影像数据，选择建筑物分布密集的区域作为验区，运用多尺度和数学形态学相结合的分割方法进行试验，得到该实验区内最优地物对象。试验首先通过该方法获取实验区内各类地物的分割对象，再对不同地物的光谱、形状、纹理等信息分析后，构建针对实验区地类特点的特征空间，并选择最邻近分类器和模糊分类器相结合的联级分类完成建筑物信息的提取，并得到较理想的实验效果。　　 与传统分类方法相比，基于对象的影像提取方法充分利用了地物的光谱、纹理、位置和几何形状等信息，避免了基于像元的影像信息提取方法在高分辨率影像提取时，由于同一地物内部异质性增加而产生噪声现象，从而提取了高分辨率影像的丰富地物提高了分类精度。