在我国经济水平和城市化建设快速发展的同时,地表覆盖发生了天翻地覆的变化,如耕地减少、生态退化、环境污染、城镇化扩张等。地表覆盖的频繁变化不但会改变环境景观特征,还会影响社会经济、生态系统和水文系统等。地表覆盖分类向来是全球变化及现代地学研究的核心和焦点,既可为土地的合理利用提供数据基础,也可为土地利用规划和可持续发展政策的制定提供重要依据。利用遥感影像实现地表覆盖分类信息提取逐渐成为遥感技术最重要的应用领域之一。随着遥感技术的发展,遥感影像分辨率不断提高,载负的地物信息越来越丰富。而传统的基于像元的地表覆盖分类方法并不能充分利用高分辨率遥感影像丰富的光谱、空间、纹理等信息,且其受光谱值影响大而会产生较多“椒盐”噪声,分类精度已不能满足行业需求。为高分辨率遥感影像数据有效应用于地表覆盖分类研究,面向对象的分类方法应运而生。面向对象分类方法通过对遥感影像进行尺度分割得到影像对象,再根据地物的光谱、纹理和空间特征,检测和提取能够描述目标地物的多种特征,利用模糊分类方法对遥感影像进行分类或目标物提取。该基于对象的分类方法具有很强的抗噪能力,能有效弥补基于像素级方法的不足。目前基于对象的地表覆盖分类尚存有两个难点问题:最优分割尺度的确定和特征空间的优化。在ERDAS和MATLAB平台的支持下,文章从这两个核心问题出发,对该方法进行了优化,主要研究内容及结果如下:(1)探讨资源三号影像最佳组合波段:把近红外波段和绿波段按一定比例组合后以绿色通道和红、蓝通道共同输出为RGB影像,生成真彩色图像。实验证明:当绿波段和近红外波段按9:1输出时,图像亮度适中,对比度大,纹理清晰,且包含信息量最大,最有利于遥感解译。(2)分析资源三号最佳融合算法:基于资源三号卫星遥感影像,分别采用主成分融合算法、乘积融合算法、Gram-Schmidt融合算法、Ehlers融合算法、基于IHS变换的小波融合算法、基于小波变换的主成分融合算法对影像数据进行了融合处理,得到了六种不同的融合结果;并利用灰度均值、相对标准差、均方根误差、空间频率、信息熵、交叉熵和相关系数这八个指标对影像融合结果进行了客观评价与分析。评价结果表明:主成分融合算法明显改善了资源三号卫星遥感影像的影像质量,该融合结果亮度较合适,纹理清晰,包含信息量较大,图像层次较好,可以很好地作为地表覆盖分类研究的基础数据。(3)深入研究分析图像分割技术中的最优分割尺度确定问题。文章对比总结了目前的最优分割尺度评价法:最大面积法、局部方差法、RMAS法、同质性和异质性法,分析了不同评价指标与分割尺度的关系,确定最优分割尺度值。同时,参考同质性和异质性思想,综合分割对象间的光谱信息特征与图像分割后对象内部的光谱及空间特性,提出了基于纹理信息熵、对比度和光谱标准差的联合指标ENACS法。分析结果表明:改进的最优分割尺度选择方法能更加正确反映地物的最优分割尺度,且范围更广。(4)提出了改进的最优特征选择算法。基于面向对象最优特征选择搜索算法-分离阈值法(SEaTH算法),文章顾及了特征间的相关性、类间J-M距离、各个样本间的类内距离,对J-M距离测度准则进行了优化,并构建了新的特征距离筛选指标JS。再利用增L去R搜索算法进行特征子集的搜索。改进后的算法提高了搜索效率,避免了特征子集局部最优,达到优化特征空间的目的。(5)面向对象地表覆盖分类及技术研究。应用文章提出的最优分割尺度和最优特征子集搜索算法两个方法,结合资源三号卫星遥感影像,构建了分类决策树,对研究区进行了地表覆盖分类实验。结果表明,面向对象分类方法可以有效解决“同物异谱”“同谱异物”现象;其次,建筑指数BAI可以有效的提取植被,近红外波段均值也可以很好地提取水域;同时,采用改进后的特征优化法进行最优特征选择后,总体的Kappa系数从0.75提高到了0.88,信息提取结果的总体精度从原来的83.00%提高到了91.02%。