土地覆被及其变化是反映人类与自然环境相互联系和影响,揭示地理现象,研究地球科学和全球变化的基础数据。快速准确地获取土地覆盖数据对自然资源管理、环境研究、城市规划等诸多方面都十分重要。随着遥感技术的不断发展,基于对象影像分析方法逐渐成为获取土地覆被数据已成为一种主要方法。影像分割是基于对象影像分析中关键的一步,分割结果的质量直接影响着土地覆被的分类精度。优化影像分割参数,能改善影像对象的分割质量,进而提高最终的分类精度。然而,不同土地覆被类型通常具有不同的优化分割参数。如何充分利用各覆被类别最优分割参数建立分割分类层次体系,降低构建过程中对操作者个人经验的依赖,提高构建方法的适用性,实现高精度土地覆被制图,是面向对象影像分析方法中有待解决的一个难题。本文提出一种基于优化分割分类层次体系的面向对象的土地覆被分类方法。该方法在获取各覆被类别最优分割参数的基础上,基于最小分割单元分析各覆被类别可分性的大小,并辅以决策树探索各覆被类别在层次网络中的关系。依据分析结果,构建多尺度分割分类层次体系。每一层对应一种覆被类别,采用与之相应的最优分割对象进行信息提取,遍历所有层后获得土地覆被分类结果,实现准确和高效的土地覆被分类。本文在利用不一致评价法获取各覆被类别最优分割参数的基础上,应用过滤式与封装式相结合的特征优选算法优化特征空间,并基于最小分割单元,选取各覆被类别的样本数据,结合类分离矩阵和J48决策树,分析各类别可分性大小,构建多尺度分割分类层次体系。以WorldViewⅡ、WorldViewⅢ、GF-1、GF-2四种高分辨率遥感影像为数据源,针对农村、乡镇、城市、城乡结合部四种典型研究区,分别构建层次体系,进行基于影像对象的土地覆被分类。为验证本文提出的多尺度分割分类层次体系构建方案的有效性,采用基于尺度排序的方法构建层次体系进行对比分析。实验结果表明:(1)构建多尺度分割分类层次体系,在各覆被类别的最优分割层上进行信息提取,能够减少分割误差,进而提高分类精度。本文提出的方法克服了现有研究中构建分割分类层次体系普遍依赖操作者个人的经验的问题,实现了快速高精度的土地覆被自动分类制图。(2)为了避免大量特征中的无关特征和冗余特征对分类效率和分类精度的影响,本文通过研究各种特征优化算法,探索了一种过滤式与封装式相结合的特征选择方法。该方法综合了2种方法的特点,首先利用过滤式算法进行特征预选,降低初始特征空间维度,再利用封装式方法对预选结果做进一步优选,获取分类性能较好的特征子集,实现特征空间优化。(3)本文分析了随机森林算法中构建单棵树时选取的特征数量和森林中决策树的数量对分类效率和精度的影响,并基于Weka软件平台设计实验方案对参数进行优化。避免了由于分类器参数设置不合理导致的分类精度降低的问题。(4)本文提出的基于最小分割单元和决策树的分割分类层次体系构建方法具有较好的泛化能力。在不同类型的研究区中,本文提出的方法能够改善分类效果,提高分类精度。