随着高分辨率遥感卫星技术的发展，具有丰富几何结构和纹理信息的高分辨率遥感影像扩充了其应用领域，同时也为遥感信息提取技术提供了新的发展机遇。传统的遥感信息提取方法都是建立在像元的统计基础上，很少利用地物的形状、几何结构等信息，分类精度较低、效率不高，而且过多依赖人工操作，很大程度上不具备重复性，为了更有效地利用高分辨率遥感影像的丰富信息，采用面向对象的影像分析方法可以更好地实现高分辨率遥感影像的信息提取和应用。面向对象分类方法所处理的信息不再是低层次的像元，而是经过多尺度分割之后的目标对象，与像元层面的分析方法相比，面向对象分类技术在影像分析和理解的层次上有了很大的提高和进步。　　 本文利用桂林市航测影像数据，根据广西耕地分布特点选择两个典型的分布类型（城市、山区）作为实验区，运用面向对象分类技术进行耕地信息提取。通过多尺度分割方法获取研究区各类地物的分割对象后，在分析不同地物的光谱、形状、纹理等信息的基础上，构建了针对研究区地类特点的特征空间，并选择模糊分类器，完成耕地分布信息的提取。主要研究和探讨以下几个方面内容：　　 (1)分析了传统分类方法在高分辨率遥感影像信息提取中的不足，探讨了面向对象分类技术在高分辨率影像地类提取中的优势，并对其在广西耕地分布信息提取的可能性做了分析。　　 (2)研究分析了多尺度分割的原理，在讨论目前几种分割方法的基础上，提出了分水岭多尺度综合图像分割方法，运用分水岭算法对融合亮度梯度和纹理梯度的综合梯度进行分割，并对初步分割结果采用一种改进的区域邻接图(RAG)进行区域合并；针对区域合并准则的不足，在研究完善已有同质性准则基础上，提出了光谱、形状和纹理同质性度量标准，在分割过程中能更好地利用高分辨率影像蕴含的各类信息（波谱、形状和纹理等信息）；最后通过分析模糊分类的方法原理，在分类过程中分别运用模糊识别中的隶属度函数和最邻近法，建立模糊规则完成影像分类。　　 (3)利用面向对象技术对代表广西典型耕地分布类型的两个试验区域（城市、山区）进行了地类提取试验，并与传统分类方法（K-均值分类方法、最小距离法、马氏距离、最大似然分类）的结果进行对比分析，验证了面向对象技术在高分辨率影像耕地分布信息提取中的优势。　　 与传统分类方法相比，面向对象分类技术充分利用了地物的光谱、纹理、位置和几何形状等信息，避免了传统分类方法在高分辨率影像分类时，由于同一地物内部异质性增强导致的“椒盐现象”，提高了分类精度。随着我国区域粮食安全问题日益突出，精准监测耕地面积具有十分重要的意义，运用面向对象分类技术为高效提取耕地地类分布信息提供了可能。