随着遥感技术的发展，尤其是近年来高分辨率影像的出现，人类对自然界观察的广度和深度不断扩大，通过遥感技术我们能够获得的信息也越来越丰寓。与中低等分辨率的遥感影像相比，QuickBird和IKONOS等高分辨率遥感影像具有更加丰富的几何结构和纹理信息。尽管遥感影像分类技术有了长足的发展，但是对于高分辨率遥感影像来说，传统基于像元的分类方法存在着不能充分利用影像信息、分类精度低、速度慢等局限性。针对高分辨率遥感影像的特点，面向对象的信息提取技术应运而生。研究基于面向对象的高分辨率遥感影像处理技术，可以弥补传统分类方法的不足，从而可以从高分辨率影像上提取更精细更丰富的地物信息，提高分类精度，更好的为各个领域的研究提供支持。研究基于高分辨率遥感影像的矿山信息提取技术，有助于更加快速、精确、有效的了解矿山的开发状况，为监测和评价矿山开发扩张状况提供了更有效的技术支持，进而为矿山的合理开发提供数据支撑，具有十分重要的理论和现实意义。　　 本文选择武汉市江夏区波泉矿产公司的石灰岩开采矿区为研究区，采用QuickBird遥感影像，以eCognition软件为平台，对研究区内的石灰岩矿山的识别与提取方法进行了研究。通过多级、多尺度的分割方法获取研究区的各地物影像对象后，以不同地物的光谱、形状、纹理以及植被指数等信息为基础，建立了分类规则，对各尺度上的分割对象进行模糊分类，以达到提取矿山的目的，并将面向对象分类方法的分类结果与传统监督分类方法的分类结果进行比较分析，主要研究内容与研究成果如下：　　 1.针对石灰岩开采区进行了从10-100(以5为单位进行递增)的多尺度分割实验，对比各分类结果得到了适合不同地物的不同分割参数。当分割尺度为55时，提取水体、植被和道路这些较大的地物比较理想；当分割尺度为20时，提取房屋和矿区这些较小或精细的地物较好。在选择好分割尺度的基础上，建立了两个层次的分割体系，分割尺度为20、55。　　 2.通过影像的目视判读，对研究区内各地物在QuickBird影像上的特征进行了分析，确立了目标对象的提取方案。由于提取目标对象矿山在光谱特性上与道路、房屋等表现出很大的相似性，很难直接从影像中将矿山提取，所以根据道路和房屋特有的形状特征，先将道路和房屋从影像中提取出来，然斤再根据矿山的光谱、形状和纹理特征将其提取。　　 3.建立研究区各类地物的分类规则。通过分析分割后的影像，充分利用高分辨率遥感影像所提供的地物信息，光谱、形状、纹理、标准方差等，对同一地物采取多种特征相结合的方法，建立了基于成员函数的最佳分类规则，以达到很好的分类效果，达到提高分类精度的目的。　　 4.将研究区面向对象遥感影像分类方法的分类结果与传统面向像元的监督分类方法的分类结果进行对比分析。采用面向对象的遥感影像分类方法对研究区进行分类时，分类总精度达84％，Kappa系数达0.8，分类后的影像具有丰富的语义信息，便于解译和理解。而采用面向像元的监督分类方法对研究区分类后，分类总精度和Kappa系数仅为73.67％和0.658。　　 研究结果表明：基于像元的提取技术存在不可避免的缺陷，从视觉效果看，分类输出的影像存在所谓的“椒盐现象”，即存在大量的分类噪声，而面向对象的信息提取方法完全克服了这种噪声，具有良好的视觉效果。由于传统的基于像元的分类方法仅仅利用了影像的光谱信息，不能把具有相似光谱信息的地物(道路、房屋和石灰岩开采区)区分开，而面向对象的提取技术则可以利用地物的形状和纹理信息，在很大程度上克服了“同物异谱”和“异物同谱”等现象对分类结果的影响，而且大大提高了分类精度。