随着高光谱影像空间分辨率不断提高,影像中同一地物内部光谱异质性增强。传统的基于像元的分类结果存在“椒盐”现象,使得分类结果不能提取理想的地物目标,不利于后续处理。针对高空间分辨率影像分类提出的面向对象遥感影像分类技术,克服了基于像元分类的局限性,为高空间分辨率的高光谱影像分类提供了一种新的途径。本文在分析高光谱影像分类和特征提取研究现状的基础上,深入研究了面向对象的高光谱影像分类技术。主要完成的工作有:1.分析了高光谱遥感技术发展趋势,总结了基于像元的高光谱影像分类技术的现状,研究了面向对象的影像分类技术,指出了面向对象分类技术应用于高光谱影像分类的潜力。2.归纳了高光谱遥感影像的辐射校正和几何校正方法,从分类的角度论述了高光谱影像降维的重要性,详细阐述了特征提取的各种主要方法,研究了高维数据本征维数估计的方法,并试验验证了本征维数估计对高光谱影像降维的重要意义。3.深入研究了面向对象遥感影像分类技术,分析了多尺度分割中参数设置的规律和等级网络的构建规则、对象特征提取和基于规则的模糊分类等技术,得出了高光谱影像面向对象分类的一般性规律。试验结果表明:面向对象的高光谱影像分类技术能够在提高分类精度的同时,增强分类结果的解译性。4.将均值漂移(Mean Shift)和快速漂移(Quick Shift)应用于高光谱影像分割,简化了面向对象高光谱影像分类复杂的操作流程。试验结果表明:所提出方法的分类精度优于基于像元分类的精度,且分类效率较专业面向对象分类软件大幅提高。