遥感技术的飞速发展，给我们带来丰富的地理信息。以AVHRR为代表的低分辨率影像、以TM和SPOT为代表的中分辨率影像和以QUICKBIRD/IKONOS为代表的高分辨率影像，为全球提供了详实又及时的地理资讯。在享受这些信息的同时，我们面临着如何从海量数据中得到具有专题效应的数据集合、并能行之有效的投入实际生产应用的问题。 高分辨率遥感数据是目前城市管理中的主要数据来源，与中、低分辨率数据相比，它具有更加丰富的纹理特征和空间结构信息。对它的提取若继续仅以传统的基于像元方法进行，“同物异谱”、“同谱异物”现象更加明显，数据本身内容利用度不够，分类结果后期人工处理量过大，结果精度受到很大影响。在此情况下，基于对象的信息提取方法应运而生。 在面向对象的思想中，遥感影像被认为是地表对象集合的综合反映，地表对象为影像数据上具有一定同质性的像元集合。每个对象集合具有较为统一的光谱、纹理和形状特征，对象集合与周围对象间有着语义关系。对象集合间有一定的层级关系。简而言之基于对象的信息提取方法，充分利用个体对象的内部特征、对象间的相关特征、对象层间的层次特征，进行数据挖掘，建立知识库规则，实现信息提取。 本文以云南省腾冲地区QUICKBIRD 数据，讨论在红外波段缺失的情况下，如何获得精度较高的土地利用分类结果。通过分析数据的纹理特征，加以地学辅助知识，利用面向对象的思想进行该地区的土地利用信息研究，并总结出纹理特征在高分辨率数据中的最优组合，明确指出面向对象最优尺度与影像对象间的关系。全文进行了以下工作： 1)影像数据的预处理工作遥感影像的预处理是遥感数据投入实际应用的前提。预处理过程包括校正与增强。详细阐述了如何生产符合土地管理部门需要的高分辨率遥感影像正射校正的整套流程。从野外控制点的采集、室内参考图件的制作和正射方法的选取三个方法对误差来源进行分析，并以点间平面误差和单点定位误差两种方法对正射结果进行了精度评价。 2)原始数据光谱特征分析光谱信息是遥感影像分析的基础要素。本文通过对影像的光谱特征进行分析，对影像上地类类别的整体可分性作出判断。对3个0.6米波段数据进行整体和局部样本的光谱特征分析，并以传统基于像元的计算机监督分类方法对影像光谱特征分类的能力进行了定量化评述。分类结果表明，由于红外波段缺失，植被和非植被的区分受到很大限制，很多数据融合和波段变换方法不能应用，从目视解译和误差矩阵分析显示，仅仅依靠像元光谱信息提取地物信息，不能达到起码的精度标准。 3)地学知识辅助信息提取的能力分析卫星获得的遥感数据并不能描述出地物的全部信息，仅用此来解决某些专题问题十分困难，因此外部知识的辅助是必然的。地学信息是外部知识中最为常见的一类，它以专家系统为纽带，将地学属性、地学过程和地学现象融合到光谱数据中。本文通过对数字高程模型的建立，划分高程带，提取坡度信息，从结构化地学知识和非结构化地学知识两个方面实现DEM数据的知识辅助功能。结果表明：地学知识作为先验概率参与信息的提取，有一定的优势，地物类别提取精度可提升12％左右。特别是对生长极有地域性的植被，完全可以以高程带和坡度作为规则加以区分。但由于地学知识的针对性强和时效性差的问题，辅助分类的作用有限。 4)高分辨率遥感影像纹理特征分析与最优组合选取纹理反映地物表面的粗糙度，受外界影响很小，选用纹理特征进行信息提取，可以部分消除由于地物光谱特征较为接近而引起的分类结果错误问题。在本文中，对灰度共生矩阵(GLCM)的8个纹理特征，从波段、方向、窗口和纹理间相关性的分析，总结QUICKBIRD数据的纹理信息特征；在此基础上，对单纹理特征及纹理组合的分类能力进行评价，确定3×3 窗口下全波段 mean、variance和entropy 组合是进行信息提取的最优组合。 5)面向对象的最优尺度确定在面向对象技术中，尺度分割是最终信息提取结果精度高低的主要影响因素。不同的尺度包含的对象在形状、纹理和层级间关系上有自己的特点。本文将影像设置了5-100共20个尺度，对各地类样本对象在不同尺度上的形状和纹理特征进行统计和分析，以纹理同质性因素限制的样本对象形状特征稳定区间作为最优尺度的选取原则。指出，各地类样本在全部尺度内存在若干个形状特征稳定的尺度带，在这些尺度带内，地物类别的各形状特征相对保持不变，和其对应的纹理特征则会因为对象集合的同质性发生变换而出现波动，其中纹理测度homogeneity的波动较为明显。当尺度较小时，对象以同质性强的像元组成，homogeneity较小，但此时对象本身形状不稳定，它与周围对象虽有一定差别，但确属于同一类别；当尺度逐渐增大，对象形状增大，同质性减弱，homogeneity 增大；当到达一定尺度后，对象的同质性继续增强，homogeneity开始下降；到达某一临界尺度后，尺度继续增大时，对象中包含了明显的其他地类像元，homogeneity值开始增大。这整个过程中，homogeneity随着对象内部聚集内容的不断变化发生起伏，当内部聚集的同质对象相对较多相对稳定时，对象的homogeneity出现相对稳定的较小值。根据这个原则，本文对不同地类进行了样本地类最优尺度划分，并在此基础上根据尺度内样本对象面积最大和地物类别一致性原则，进行各尺度地物提取类别的组合。 6)面向对象思想的土地利用分类体系的建立土地利用分类体系是对影像整体地物信息的综合性提取模式的建立，需要以光谱、纹理和地学知识为基础，分析地物对象的光谱、纹理、形状和上下文关系，建立特征知识库。本文第七章以前第三—第五章讨论结果为基础，以光谱、纹理和地学知识作为分割的基础波段，设置不同权重，根据最优尺度对影像进行分层分析。结果表明：基于对象的信息提取较基于像元的信息提取在精度上有很人提高，目视解译中椒盐现象大部分被消除。虽然某些类别的精度可能会不如像元法，但因为其充分考虑对象和实体间的对应关系而忽略部分小的细节，实际上更符合土地利用类型划分的需要。 本文围绕如何提高高分辨率遥感影像分类精度的这一问题，从光谱、纹理和地学知识辅助三方面进行分析，重点对纹理特征组合和面向对象的尺度选择加以论述。在对所获得的文献资料进行分析的同时，对QUICKBIRD数据进行实际处理，所取得的主要成果为： 1)系统分析影像校正过程中的误差来源和精度控制原则，从GPS野外控制点测量误差、参考图件处理误差和校正控制点选取三方面解释误差产生的原因，并确定以点间平面误差和单点定位误差两种方法对正射校正图像进行精度评价。 2)综合分析纹理信息在高分辨率遥感影像信息提取中的特征优选。在考虑纹理分析的各个影响因素基础上，提出mean+variance+entropy 为 QUICKBIRD 的纹理信息提取最优组合。 3)确定以纹理同质性测度约束的样本对象形状特征稳定区间作为最优尺度的选取原则。分析不同尺度上样本对象的形状信息变换趋势，加以该对象的纹理特征限制，确定各地类的最优尺度。 由于时间和水平上的限制，本文对于纹理特征的最优组合及面向对象的尺度选择，只是在QUICKBIRD数据上进行了分析，因此它是否适用于其他类型的遥感数据尚未论证。