随着人类社会以及科学技术的快速发展，卫星遥感技术作为地球空间监测最有力的工具，已经被应用于各行各业。在地理信息系统中，河流网是其重要的组成部分之一，因此对其进行识别、分析、提取和准确定位对于GIS数据的实时更新、测绘方面、遥感制图以及人们的生活都有重要的意义。近几年，遥感卫星影像的分辨率发生了跨越式的改变。现代已经进入高分辨率遥感卫星影像时代，与过去的中低分辨率相比，影像地物特征呈现出突破性的改变，从而为更多热爱基于遥感的地物识别研究者提供了更加丰富有力的背景支持。传统遥感影像分析中主要的分类依据是地物的光谱特征，可由于在中低分辨率遥感影像中光谱波段比较少，信息量不是特别丰富，故可提取的信息量就少。相反，在高分辨率遥感影像中，光谱信息量丰富、微观纹理信息表现详细、宏观几何形状完整、空间位置信息及边界特征清晰，故可用信息量明显提高。所以随着卫星分辨率的不断提高，传统的方法也随之被淘汰。近几年，很多研究者已经开始研究高分辨率遥感影像，期望从大数据库中探索有用的目标信息。论文主要内容有以下几个部分：（1）传感器在接受地物辐射时会受机器本身、辐射角等很多因素的干扰，所以需要对影像成像过程进行各种纠正处理。一般处理过程包括影像辐射校正、几何纠正及影像融合。介绍数学形态学的各种运算方法。在提取的河流网络上运用数学形态学的各种运算对提取目标进行处理，可以得到精确清晰的河流目标。（2）分析并构建多波段指数模型，包括改进的差异化水体指数模型（MNDWI），改进的混合水体指数模型(MCIWI)及主成分分析（PCA）。然后构造多波段综合指数模型向量。将原始的8个光谱波段转换成一个新的有利于水体提取的8波段光谱向量，在此基础之上利用决策树分类法进行分类提取河流。（3）对基于高分辨率遥感卫星影像的多特征综合聚类分割算法进行推广。在对河流影像进行预处理的基础之上，利用高分辨率遥感影像分辨率高的特点，改进多特征综合算法。将影像中光谱信息、纹理特性、空间几何形状等多特征联合。构造多特征综合的特征矩阵，再利用均值聚类分割最终得到河流目标。通过对真实高分辨率遥感影像Worldview2影像进行的实验验证了该方法的高精准性及快速性。