建筑物轮廓提取和对提取出的轮廓进行有效地分类识别在城市化发展规划、国防建设、抗灾减灾等方面有着重要的作用。本文针对平面图及遥感卫星图像,对建筑物轮廓提取与区域分类问题进行了深入的研究,为未来城市或校园的三维建模重构等应用提供良好的基础。本文的主要内容如下：1.结合平面图及遥感卫星图像中建筑物的特点,针对传统的图像分割和轮廓提取方法的局限性,提出了基于区域先验的Snake模型图像分割方法。应用此方法对真实图像进行分割和轮廓提取,实验结果表明：该方法与传统的Split-Merge方法、Snake模型方法相比,具有更好的分割和轮廓提取效果,并提高了算法的效率。2.针对提取出的轮廓图,提出了基于BP神经网络的图像区域分类方法。该方法使用链码表和线段表对图像进行面积和周长的特征提取,并使用Harris进行角点特征的检测,从而得到图像的面积、周长及角点的信息。应用面积与周长的比值和角点特征作为BP神经网络的输入,对神经网络进行训练。从而实现对图像中建筑物与非建筑区域进行分类。该方法在真实图像集上了取得95.07%的正确率,证明了其有效性。