近年来,我国矿产资源的无序开发导致了一系列生态环境问题,如何合理开发利用有限的矿产资源,实现对矿山的动态监测管理备受国内外学者的关注。目前获取矿山分布以及地表矿山要素生产建设情况主要依靠实地调研、勘测或者利用高分辨率遥感影像数据进行人工目视解译,需要花费大量的人力、物力、财力。利用遥感影像,提取地表矿山要素信息,为矿产资源管理、监测提供地理信息数据,对矿产资源的保护和管理具有重要意义。本文以湖南省花垣县矿山集中区作为研究区,以从Google Earth上获取的研究区影像和IKONOS数据为数据源,基于词包模型原理,构建研究区影像的多种词包模型来表示影像特征,利用不同的遥感图像分类方法,实现对各类地表矿山要素的识别、分类和提取,得出以下结果和结论:(1)在120幅实验影像中,基于经典词包模型(BOW)方法进行分类,其中99幅影像被正确分类,分类精度为82.51%;基于空间金字塔匹配核的词包模型(SPM_BOW)的方法进行分类,共有109幅影像被正确分类,分类精度为90.83%。基于空间金字塔匹配核的词包模型分类精度明显优于经典词包模型。(2)基于多尺度词包(MS_BOW)的概率潜在语义分析模型(PLSA)分类的总体分类精度为90.50%,Kappa系数为0.88,而基于样本的面向对象分类总体分类精度为86.25%,Kappa系数为0.83,两种分类方法精度都能满足分类提取要求,基于MS_BOW的PLSA分类法分类效果更理想。(3)基于MS_BOW的PLSA分类方法能够准确地对地表矿山要素中的矿石堆、尾矿库和蓄水池进行分类,得到的矿石堆、尾矿库、蓄水池的个数和位置也与实际情况相符合,分类精度都达到90%以上,提取的矿山建筑轮廓清晰,分类精度也在80%以上。主要的误分情况存在于矿山建筑与居民建筑这两类地物中,矿山道路也存在一定的漏分现象,部分道路误分到了矿石堆一类。基于样本的面向对象的分类方法能够对尾矿库和蓄水池进行较为准确的分类,但对矿石堆、矿山道路的分类精度稍低,误分情况比较严重,特别是对矿山道路、矿山建筑和居民建筑这三类地物的分类,三类地物之间存在着严重的错分、误分现象。(4)词包模型利用直方图对影像特征进行表达,隐含了一定的空间语义信息,相较于传统的基于低层遥感影像视觉特征的表达,词包模型对于矿山要素特征的表达具有更好的效果,能够提高影像分类提取的精度。相较于传统经典词包模型,空间金字塔匹配核的词包模型具有空间特性,能较好地表达矿山影像的局部特征和全局特征,弥补了传统词包模型缺少空间语义信息的缺点。(5)与传统基于样本的面向对象的分类方法相比,基于MS_BOW的词包模型是基于多尺度分割的原理进行的,包含了影像的多尺度信息;在对影像对象分类时引入PLSA模型,能够在很大程度上解决高分辨率遥感影像中存在的“多义词”和“同义词”的问题,分类效果明显优于基于样本的面向对象的分类方法,更适合于从高分辨率遥感影像上提取矿山地表要素。