从全色影像上进行居民地的自动提取和边缘优化在测绘生产中可以解决对地物的识别、提取的人工劳动强度大、工作繁琐的困难;同时,在地物分类、影像分析、目标识别等许多应用中均起着很重要的作用。本文围绕居民地的提取和边缘优化做了以下工作:1、通过引入灰度均值、灰度方差、x方向和y方向的灰度变化频率、颗粒数、颗粒面积均值等六个有限阈值分割统计特征。提出了中小比例尺遥感影像纹理的有限阈值分割统计特征的方法。2、利用自组织特征映射神经网络(SOM)方法,将不同阈值的分割统计特征量作为参数输入,建立提取居民地的神经网络模型。对含有需要居民地提取影像进行聚类分割得到所需的居民地图斑。3、根据制图综合的要求以及本文算法的特征,在改变影像提取纹理特征阈值间隔和聚类步长的基础上制定了5项规则:去孔洞、取定面积阈值、消除四角一个像元的凸出,填充一个像元的凹陷、填充边缘上一个像元的凹陷、拉直具有n(n由影像分辨率和扫描分辨率确定)个像元凹陷或凸出的边缘来改善居民地图斑。并用数学形态学的方法实现了这种优化方法。利用本文所建立的居民地提取方法不用对每块居民地都给予种子点,一旦神经网络模型训练完成则可以对一批同期同源影像自动处理而不需要对每幅影像进行训练。从而可以方便、快捷、高效的提取居民地,很大程度上降低了人工干预的工作量。此方法提取的居民地边界比较规整,有利于进行优化。利用本文所制定的边缘优化规则和方法,能得到较好的居民地外部轮廓。