在面向对象图像分析(Object-based image analysis,OBIA)技术中,图像分类性能由图像分割、样本或者规则集、分类器共同决定。其中分割质量对于后续基元特征分析和提取有着较大影响。另一方面,模板匹配技术通过固定形状的模板从影像中识别特定地物,能够有效防止由于图像分割造成的目标形状缺陷问题,但模板创建和编辑费时费力。本研究以面线基元关联模型(Region-line primitive association framework,RLPAF)为技术支撑,将OBIA技术和模板匹配技术进行融合,并应用于高分遥感影像上光伏面板目标的自动提取。论文的主要工作如下:(1)基于RLPAF的模板自动生成。首先使用基于硬边界约束与两阶段合并的图像分割算法和相位编组法分别获取面、线基元并计算相关基元特征,然后分析光伏面板的光谱、形状等特征,设置规则集,获取疑似光伏面板面基元,最后进行面线基元关联建模,建立满足最佳适配模板要求的光伏面板标准模板集。(2)基于灰度信息的模板匹配。为了提高匹配效率,结合分割面基元的光谱特征对待匹配图像设置掩膜,缩小搜索区域,同时采用粗精结合的搜索策略减少每个位置的计算量,快速定位光伏面板的大致区域,最后选用结构相似度作为相似性度量指标实现光伏目标的精确模板匹配和提取。(3)开展了方法在高分影像上的应用实验。光伏面板尺寸较小且分布密集,实现精确到单一目标的精确定位和提取并不容易。本文选择不同区域、不同环境背景的多景无人机高分影像为实验数据源进行实验验证,完成了方法性能的全面评估和不同方法之间的对比分析。实验表明,本文算法相比常规模板匹配技术或监督分类方法,在高分遥感影像光伏面板检测方面具有相当或更高的精度,且由于不需要用户手动选取模板或者训练样本,因此算法的普适性和鲁棒性更好,体现了算法的技术特色和优势。