现有交通传感器采集交通信息存在众多局限性,随着高分辨率卫星遥感图像商业化的出现,从遥感影像获取大范围道路交通信息,已经成为智能交通系统中信息采集技术的一个研究热点。本文旨在研究从高分辨率卫星遥感影像中探测车辆,并进一步提取交通流参数的方法。研究内容包括以下几个方面:(1)针对高分辨率遥感影像的特点,借鉴目视判读的原理,采取面向对象分类的车辆探测方法。通过多尺度分割和目标特征提取,建立影像对象的特征空间来实现车辆的识别与分类;(2)基于支持向量机分类的车辆探测方法研究。根据车辆在影像中的特性,对图像进行纹理特征提取,获得纹理特征图像,从中选定车辆样本和非车辆样本,训练分类器,设置核函数参数,实现图像的分类,从而实现车辆的探测;(3)对车辆探测结果数据分析,进行交通流参数的提取,包括直接交通流参数提取和间接交通流参数提取;(4)采用QuickBird2实验数据对两种检测方法进行了验证,结果表明面向对象图像分类的车辆探测方法精度更高,且根据误差矩阵理论总体精度达到90%以上。并进一步选取两组数据,对该方法进行对比试验,分析影响探测性能的因素,其中道路两旁的树木和建筑物的阴影是造成暗色车辆探测误差的主要原因。本研究对于智能交通系统中信息采集技术的丰富,交通流参数提取手段的拓展具有重要意义。