基于遥感影像处理和特征分析的方法,已经成为获取地面地物信息的主要方式之一,并且已经得到了广泛的应用和推广。二十世纪至今,遥感平台的迅速发展,遥感器多样性和精度的快速提高,使得分辨率在空间、光谱、辐射和时间上不断完善,在遥感影像上地物的信息也更加细腻丰富。因此,地面目标物的识别和特征提取的精度明显得到了改善。在城市高分辨率影像中,占据了八成左右的地面地物是建筑物和道路。故建筑物的识取占据了很大比率。城市建筑物对城市的运行、管理和规划有着重要的支撑作用。将来构建数字城市的关键基础技术之一就有城市建筑物的识别。因此研究建筑物的识别对城市的发展具有一定的意义。论文首先对SQL Server 2008数据库进行介绍,包括关系模型的特点、关系的规范化和数据库设计原则。接着对遥感影像实验区进行选取和描述,从光谱特征、几何特征和纹理特征对目标进行特点分析,提取出相关特征参数,并进行表结构设计,建立表关系,对数据进行入库存储,建立建筑物样本数据库。然后在基于数据库地物光谱特征的基础上,采用最小距离法、贝叶斯法、神经网络法和多分类法融合的基于不同权重综合分类法等监督分类方法对建筑物进行分类识别,并采用混淆矩阵对各种方法的分类结果做了精度评价和比较。最后选取出分类精度最高的影像,先用小图斑剔除法对影像进行后处理,接着以二值图像的方式提取出影像中的建筑物,并将小连通区域剔除,最后提取出建筑物边缘位置信息并标注在原始影像上。实验证明,建筑物样本数据库可以对城市建筑物的特征参数进行存储管理,对大城市建筑物多样性有较好的适应性,且该数据库可以为以其为基础的遥感影像建筑物的分类识别、空间分析提供可靠的基础数据。多分类法融合的基于不同权重综合分类法,根据各个分类法分类精度比重分配权重大小,有较强的适应能力,与人类对知识的认知习惯较符合。建筑物样本数据库的建立和多分类法融合的基于不同权重的综合分类器对于城市建筑物的识别有很好的效果,因此有一定的研究意义。