随着遥感图像的空间分辨率越来越高,研究如何从高分辨率遥感图像中高效和精确的提取各类地物信息,不仅对遥感技术本身的发展具有推动作用,而且对我国正在推进的城市化和现代化进程具有重要的现实意义。面向对象的高分辨率遥感图像信息提取成为当前应用的主要技术手段,然而面向对象的信息提取中仍然有许多亟需解决的问题。首先对于地物大小不一的影像,不同类型地物都有其适宜的分割尺度,利用统一的分割尺度层次容易造成地物“过分割”与“欠分割”现象,这会直接导致图像提取精度降低;其次忽略信息提取中不同地物之间的交叉影响,直接进行全地物类型的信息提取也会隐性降低提取精度;最后现有的研究主要侧重于提取算法的研究,针对提取策略的研究不够。本文针对现有研究的不足,以重庆市万州区为研究区从提取策略上对面向对象地物信息提取流程进行研究,研究和总结面向对象地物信息提取的分层策略,并利用该策略进行信息提取试验。主要的研究内容与成果如下:(1)尺度分层策略的研究与实现。设计和实现了一种基于先验知识的最优分割尺度选择方法。该方法根据参考对象和分割对象的灰度相似性和纹理相似性构建分割尺度评价函数,通过计算评价函数值来确定不同地物的最优分割尺度。通过试验将该方法与最大面积法、均值方差法进行对比,验证本文方法的有效性。(2)地物类型分层策略的研究与实现。设计了一种考虑各类地物特征的分层信息提取思路。该思路从可分离度大的水体开始,采用某种规则,将整个图像分为水体和非水体,然后在后续分类过程中不考虑已提取出的水体类别,逐层提取直至提取出所有地物。这样避免了数据的冗余,图像上的剩余地类越来越少,剩余地类的分离也越来越容易,这样更能充分挖掘数据的潜能。(3)结合分层策略的高分辨率遥感图像信息提取的设计与试验。本文设计的分层策略包括尺度分层与地物类型分层两个方面,首先应用分形网络进化分割算法及最优分割尺度选择方法得到地物在最优尺度下的分割结果;然后利用CART决策树获取分类规则,实现地物类型的分层提取;最后集成最邻近分类和规则分类方法优化提取结果,从而实现研究区地物信息提取。(4)提取方案对比。利用混淆矩阵对监督分类中的最邻近分类、基于CART决策树的规则分类以及结合分层策略的分类结果进行精度评定,试验表明,基于分层策略的地物信息提取结果的总体精度和KAPPA系数均优于最邻近分类、规则分类的信息提取结果。基于分层策略的地物信息提取的结果比最邻近分类信息提取结果、规则分类信息提取结果,在总体精度上分别提高了11.3%和2%,KAPPA系数分别优于最邻近分类方法结果和规则分类结果40%和8.3%,说明本文提出分层策略能够有效提高分类精度,更适合高分辨率遥感图像的地物信息提取。论文从尺度分层和地物类型分层两个角度构建分层策略,并将该策略应用在地物信息提取过程中,形成基于分层策略的遥感图像信息提取流程。通过与常用的几种面向对象信息提取方案比较,本文的技术思路可有效提高地物类别提取的精度。