传统的遥感影像分类方法是以像元为处理单元的,在进行影像地物分类时考虑的主要是像元的灰度值等影像统计特征,由于传统影像分类方法对影像信息利用不充分,因此分类结果存在分类精度较低、分类速度慢等缺陷。由于高分辨率遥感影像包含了丰富的空间信息和纹理信息,传统的分类方法并不能满足其分类要求。因此,本文采用综合考虑了影像的光谱、形状、大小、纹理、拓扑信息等特征的面向对象的遥感影像分类法,它是以含有更多语义信息的对象作为处理单元,有效地克服传统分类时的“椒盐现象”,并能够取得较好的分类效果。面向对象的影像分类的关键技术是对影像数据的分割。本文采用天绘卫星2m的全色影像与10m多光谱影像进行融合,形成具有高空间分辨率、色彩丰富、表达细致纹理的融合影像。采用改进的分水岭分割算法实现对高分辨率遥感影像智能化处理,其主要是通过直接计算融合影像彩色向量空间梯度,并对梯度图像采用形态学混合开、闭重建进行梯度修正,有效的去除了梯度图中的噪声点和细密纹理结构,并移除影像中所有无意义的细密纹理产生的过小区域的连通块。为了解决梯度图像中因存在过多的局部极小值和伪极值点而使分水岭分割出现过分割现象,本文采用自适应阈值选取对梯度图像做局部扩展极小值标记,以限制了极小值点数目,并采用强制最小运算在原彩色梯度图像中强制标记扩展极小值标记的局部极值点位置,对梯度图像做进一步的修正重构,最后对梯度图像做分水岭分割,并寻找分割区域相似度将小区域合并到相邻大区域中,有效抑制了V-S分水岭过分割现象,提高了分割精度。本文对水体、道路和居民地进行了特征分析以及描述,其中由于水体在近红外波段的反射率与其他地物的反射率差异较大,可以很容易将水体与其他地物区分开来,因此利用影像对象在近红外波段的平均值来提取水体;由于材质的影响道路在影像上都具有较高的亮度值,并且在影像上呈现条带状,长宽比特征可以将道路与建筑物进行区分,因此利用长宽比这一特征来提取道路;居民地是利用135°方向上的灰度共生矩阵来进行提取。在改进分水岭分割的基础上,对获得的分割后影像根据不同的影像特征利用模糊理论来提取目标地物水体、道路和居民地。模糊理论提取地物的具体步骤包括:(1)通过多次使用确定分类阈值以便将目标地物与其他分开;(2)根据目标地物的影像特征值,选择合适的隶属函数;(3)模糊化,即将影像对象中的每一个特征值带入隶属函数,计算出对象隶属于某一类的隶属度;(4)反模糊化。根据反模糊化算法确定对象的归宿,其中若对象归于所有类的隶属度小于设定的分类阈值,则被划分为未分类。为了验证面向对象的分类方法相比传统的基于像元的方法对高分辨率影像分类具有更大的优势,本文对两者的分类结果用混淆矩阵做精度分析,面向对象的分类结果与目视解译结果更加接近,并且分类精度也明显高于传统方法,提取的地物与真实地物具有较高的形状和属性一致性,更加适用于高分辨率影像信息的提取。