目前，随着国民经济和社会发展的不断深入，采矿活动日益增长，土地资源遭受破坏，矿区地表覆盖变化较快，矿区面临着严重的生态环境问题。矿区地物要素提取是灾害监测与环境评价的前提和基础，其中矿区的不透水面又是矿区典型的地物要素之一，不透水面的增加会加剧矿区水资源的污染和植被的减少。因此提取矿区不透水面信息对研究治理矿区环境有着重要意义。矿区地物类型多样、环境复杂，如何从矿区地表提取有用信息，是当前学术界研究的热点难点之一。本文以鹤壁矿区为实验研究区，基于面向对象的分类方法，综合GeoEye高分辨率遥感影像和LiDAR点云数据的优点，进行多源遥感信息协同处理，对矿区土地覆盖进行分类，提取矿区的不透水面信息，取得了较好的实验结果，具有一定的理论意义和应用价值，可以很好的为矿区的治理和生态修复提供技术支持。主要的研究内容如下：（1）研究多尺度分割理论与方法，对影像分割原理、分割方法的选择、分割流程以及最优分割参数等关键技术进行分析。（2）研究面向对象分类的分类器选择和分类规则等关键技术，建立模糊分类系统，从形状、光谱、纹理以及类间关系等方面建立特征选取的数字量化表达模型。（3）构建基于面向对象方法的矿区不透水面提取技术工作流程，分析适用于矿区的分割参数和分类规则设置，综合GeoEye高分辨率遥感影像和LiDAR点云数据两种数据，开展多源信息协同处理研究。（4）对实验结果进行后续处理和精度评价，分别从最佳分类结果评价、稳定性评价和混淆矩阵评价等方面评价结果，满足分类要求，通过实地调查验证，得到较满意的矿区不透水面信息。