湿地监测，对湿地保护具有重要意义，目前应用较多的传统的卫星数据在获取周期以及分辨率上有一定的限制，利用先进的技术手段对湿地信息提取是当今的热点问题。本文以无人机获取的多光谱数据和倾斜影像数据为数据源，以黑龙江省伊春市乌伊岭自然保护区作为研究区，进行湿地信息提取研究。首先介绍了无人机遥感平台组成、无人机平台获取多光谱影像数据和倾斜影像数据的航摄过程以及无人机数据后处理软件平台、数据处理流程，最终获取了研究区分辨率0.2米的6波段多光谱数据以及通过倾斜影像提取的分辨率0.5米的数字表面模型(Digital Surface Model,DSM)。　　本文对面向对象分析技术两个关键问题分割方法与分类方法进行了全面的研究。在影像分割过程中选择了基于分形网络演化的多尺度分割算法，进行了大量的分割实验，定性的分析了研究区地物的最优分割尺度，并在此基础上利用模糊分类与阈值分类的方法，在分类过程中综合利用影像的光谱特征如:波段标准差(StdDev)、波段均值(Mean)、亮度(Brightness)等，纹理特征:灰度共生矩阵，空间特征:长宽比、面积(Aera)、密度指数(Density)，地物间空间关系，以及通过波段运算得到的归一化植被指数(NDVI)、归一化水体指数(NDWI)，辅以通过倾斜影像获取的高精度的DSM数据与其衍生的坡度数据，构建了适用于研究区的分类特征规则集，在三个不同的尺度下自动化提取了研究区10种地物类型。同时为解决FNEA多尺度分割算法在初始层分割效率低下，耗时较长，同时因为在不同尺度分别提取地物操作十分繁琐，需要有严密的逻辑关系，上下层的继承关系与拓扑关系，结果合并过程容易出现问题，所以提出一种改进的多尺度分割算法，基于SLIC超像素分割的多尺度分割算法，并对结果进行多条件多类别的差异性合并，在单一分割层次下对研究区地物进行有效的提取。通过实验结果表明，多尺度分割后的多层次信息提取的总体精度为88.03％，Kappa系数为86.12％，采用改进多尺度分割算法单层次信息提取总体精度为86.32％，Kappa系数为84.12％，而仅仅采用多尺度分割算法单层次提取总体精度为77.78％，Kappa系数为74.23％，改进的方法虽然在整体精度上不如在多层次上分割得到的结果高，但其结果十分接近，利用改进算法进行信息提取在效率上，操作简便性，逻辑关系的处理上更加简便，应用性更强，同时无论是多尺度分割下的多层次信息提取还是改进算法后单尺度信息提取精度均比传统的单层次提取精度提高很多。　　研究证明，利用新型的无人机多光谱数据对湿地信息提取的技术方案是可行的，并且引入倾斜摄影提取的高精度数字表面模型(DSM)参与分类对地物提取确实有显著帮助，改进的多尺度分割算法在单一层次提取地物的精度也可以达到分层提取的要求，并且操作更为简便，应用性更强。