遥感图像的地物识别和分类问题是遥感图像处理系统最重要也是最后一个环节，在研究和应用中占有举足轻重的地位。针对分类方法的研究一直是遥感领域研究的热点。传统的基于统计分析的遥感图像分类方法和近些年发展起来的如神经网络、数学形态学等分类方法大多是在像元基础上的分类，随着卫星遥感图像分辨率的不断提高，一种适合中高分辨率卫星遥感图像的基于对象的分类方法应运而生。与基于像元基础上的传统分类方法比较，基于对象的分类方法更符合人类对于客观事物的理解方式，可以灵活地运用遥感图像丰富的空间信息和加载符合人类思维模式的形态等方面信息，从而提高了分类精度。 基于对象的分类方法的实现分为两个步骤，第一步是对象的生成，采用图像分割的技术手段将遥感图像分割成一个个相对独立小区域，即图像对象。第二步是以生成的对象为基础进行分类。 本文应用该方法对2001年8月26日大洼县Landsat-TM多光谱图像进行分类，具体步骤如下：首先对原始图像进行预处理，包括研究区截取、几何精校正、图像配准和增强等，然后对研究区在阈值T=15的约束条件下进行分割，生成区域对象后再进行分类。在对对象分类中，选取4种主要地物类型：水体、稻田、旱田林地和居民地，应用监督分类的最大似然法进行分类，即选择训练样本建立样本库，并计算各类别的判别函数，然后对研究区进行分类，生成分类图。最后对分类结果图上网格化取400个样点进行精度分析。通过计算得到分类的总体精度为89.5％，Kappa系数达到0.8062。 研究结果表明，应用基于对象的分类方法提取遥感图像信息取得了较好的分类图像和较高的分类精度，同时还能输出带有属性表的多边形。