随着很多高分辨率卫星陆续发射和应用，遥感影像中纹理信息也越来越丰富。高空间分辨率的遥感影像已经在测绘、城市规划、国防军事、土地利用与调查等众多领域发挥着重要的作用。同时也给我们解决林业遥感中一直面临的林种计算机自动分类这了难题提供了更多的可能。然而空间分辨率的提高所带来的并不是分类精度的提高，而是分类精度的降低。由于空间分辨率的提高，地物的纹理结构变得非常清晰，一个地物表现出的光谱信息是多种多样的。仅依靠影像中地物的光谱信息进行分类显然会出现更多的误分和错分。传统的基于像素光谱信息分类的方法在对这些高分辨率的遥感影像分类时显得力不从心，所得到的精确度远远达不到生产的要求。 大量研究实验表明，只依靠光谱信息来解决遥感中的树种分类问题是远远不够的。高分辨率影像中蕴涵了林种的细节纹理信息。影像中几乎每棵树的林冠都能被清晰地划分出。我们可以从不同林种表现出的纹理不同入手，结合其他光谱信息和结构知识来尝试解决这一难题。 高分辨率影像中纹理和空间结构信息所占的比重很大，信息量丰富。面向对象的分类方法能充分发挥影像中纹理和空间结构信息的作用，并结合光谱信息，进行有效的分类。 本文首先探讨了灰度共生矩阵、小波两种图像纹理特征的提取方法，然后结合面向对象分类这一革命性的分类方法将计算出的纹理图像应用于计算机自动分类。分类结果表明关键信息结合适当的方法，可以有效地将研究区内的多个林种区分开来。总体分类精度达到89％，与传统的基于像素的分类方法相比效果大大提高。