遥感数据获取技术的快速发展,尤其是IKONOS、QuickBird等高分辨率遥感影像的大量出现,大大推动了遥感数据在多个行业部门的广泛应用。高分辨率遥感影像提供了比中低分辨率遥感影像更多的信息(纹理、形状、拓扑等)。针对高分辨率遥感数据的特点,一些学者提出了面向对象的信息提取方法。该方法不仅利用地物的光谱信息,更多的是利用其几何信息和结构信息,可以弥补传统的基于像元的信息提取方法的不足,从高分辨率影像上提取更精细更丰富的地物信息,提高分类精度,更好的为各个领域的研究提供支持。在基于对象的高分辨率遥感影像信息提取方法中,影像分割是基础,它直接决定着影像对象的生成,而分割尺度的选择是其中的一个关键问题。不同的尺度会导致截然不同的输出结果,对于一种特定的地物目标,在合适的尺度上才能更有效的对其进行信息提取。尺度效应近年来一直是研究者研究的热点问题,也是最终高度自动化的由影像获取地面信息的关键问题,然而,至今在各个领域中还没有明确而通用的尺度选择标准。因此,研究尺度效应对分割和分类的影响,确定各地物在特定影像分割时的最佳尺度进而生成最合理的影像对象层次结构变得非常迫切且意义重大。本文在总结基于对象的遥感影像信息提取共性技术的基础上,重点介绍了影像分割及分割尺度问题,并对最佳分割尺度作了进一步研究,其主要研究内容和结论包括:(1)总结了基于对象的遥感影像信息提取通用技术流程,并对其中的共性技术如影像分割、特征定义及选取、影像分类等做以相关的介绍。(2)介绍了影像分割技术,并详细说明了均值漂移分割法和区域生长分割法。在此基础上提出了一种以极小尺度均值漂移法生成最小对象层,并在最小对象层上进行区域合并依次生成多个影像对象层次以形成影像对象层次结构的方法。(3)对尺度效应和最佳分割尺度加以研究,总结常见的最佳尺度评价方法,并评价其优缺点。(4)利用基于对象的信息提取方法对2.5米分辨率的SPOT5影像数据制作的1:10000国家标准底图进行分类,评价其分类精度。