森林是地球之肺,对森林资源的监测、管理和建设是很重要的工作。传统人工野外调查法具有费时费力效果差的缺点,而遥感技术具有重复、连续、效率高等特点,在森林资源监测中已经成为最基本的技术。随着高分辨率影像的兴起,面向对象技术应运而生,并成为遥感技术中的研究热点。本文以研究面向对象分类后变化检测的最佳方法为目的,对广西国有高峰林场高分一号影像做了预处理、分割、面向对象分类、结合矢量数据的面向对象分类以及变化检测,研究成果如下。(1)在图像的预处理环节进行PC、G-S和NND三种融合方法比较,通过对比均值、标准差、平均梯度和信息熵,再结合目视解译分别对三种方法进行客观和主观评价,找出PC融合方法对图像光谱特征、纹理特征和几何特征保持的最好,有助于图像的分割、分类处理。(2)对图像进行两层多尺度分割,层1区分植被与非植被,层2区分植被内树种。分割尺度分别选取为250、300、350;形状因子选择0.1、0.2进行对比研究;然后利用目视解译法,参照二类调查数据,对分割结果进行分析,找出层1和层2的分割尺度、形状参数、紧致度分别为350、0.1、0.5 和 300、0.2、0.8 时最佳。(3)图像面向对象分类时,采用模糊算法和分类器算法,分别选取最邻近分类法和决策树分类法,为了进一步对比实验,又进行了结合矢量数据的cart分类器分类实验。经过精度评估发现,三者Kappa系数和总体精度的均值分别为0.63,0.7211和0.715,0.8023和0.81,0.8821。决策树分类法优于最邻近分类法,而结合矢量数据的分类法又优于决策树分类,这种分类方法有效的降低了植被间错分现象,为高分辨率遥感影像提供了更好的分类方向。(4)进行了直接检测法和分类后检测法。针对分类后检测法,采用叠加分析思想,得到变化图层新对象。经过精度评估发现,直接检测法明显处于劣势,不予采用;最邻近分类比较法、决策树分类比较法和结合矢量数据分类比较法的总体精度和Kappa系数分别为0.70,4225、0.77,0.5184和0.83,0.6412。且结合矢量数据分类比较法中的漏检率和虚检率也最低。因此,在面向对象分类后检测法中,最优的检测方法是结合矢量数据分类检测方法,它可以有效的避免通过目视解译选取样本所带来的误差。