与中、低分辨率的遥感影像相比，高分辨率遥感影像具有更加丰富的结构信息和纹理信息，利用传统的基于像元光谱信息的分类技术无法取得理想的效果，它产生的专题图中含有大量椒盐噪声而失去完整性，并且不能够区分“异物同谱”和“同物异谱”现象。 本文将面向对象的思想引入到高分辨率信息提取技术中，这种方法通过多尺度分割技术生成同质的影像对象，并在此基础上利用光谱特征和形状特征应用模糊分类器实现分类提取。 本文从北京怀柔县QuickBird高分辨率影像中选取470*400大小的两个典型区域(城区和农业区)作为实验区，进行了如下工作： 1．针对城区和农业区进行了多尺度分割试验，得到了适合不同地物的不同分割参数，以城区为例：分割尺度为8时，提取草地、树冠及其阴影比较理想；分割尺度为20时，提取楼房比较理想；分割尺度为75时，提取道路最好。在选择好分割尺度的基础上，建立分割体系。城区建立三个层的分割体系，分割尺度分别为8、20、75；农业区建立了四个层的分割体系，分割尺度分别为6、20、30、50。 2．在多尺度分割的基础上，进行信息的提取。面向对象的信息提取采用模糊分类的方法，本试验中有两种实现形式——最邻近法和成员函数法，最邻近法适合于差异较小的信息的提取，例如农业区的园地、苗圃等地类。成员函数法适合那些与影像上其他类型特征差异较大的信息，例如在城区道路信息，因为它有鲜明的特征(长度、宽度、长宽比)可以利用。本试验把最邻近法和成员函数两种方法结合来使用。 3．对面向对象的信息提取方法进行了精度评价，结果如下： 城区内，面向对象的信息提取方法的总体精度为84.82％，要比最大似然法所取得结果的总体精度(73.87％)提高10.95％，并且各类信息的提取精度均有提高，尤其对草地、道路、楼房阴影精度较高；农业区内，面向对象的信息提取方法的总体精度为91.60％，比最大似然法的总体精度提高了28.57％，由此可以看出，面向对象的分类法对农业用地有很大优势。在视觉上面向对象的提取方法克服了“椒盐”噪声的影响。