水系作为至关重要的地理国情要素,精确获取其空间分布和变化频率等具有举足轻重的意义。随着现代遥感技术的快速发展,高分辨率遥感影像为我们获取数据以及使用前沿技术手段提供了可靠的数据支撑。本文以2009年12月份杭州市部分城区WordView-2高分辨率遥感影像为数据源及研究区,影像包括空间分辨率为1.8 m的8个多光谱波段影像,以及空间分辨率为0.5 m的全色波段影像,通过遥感影像预处理,采用面向对象的方法用于研究水系信息的提取。面向对象的影像分析技术,基于的是影像分割形成的对象而不是传统意义上的像元,这可以充分利用高分辨率遥感影像丰富的光谱、形状、纹理、空间关系等特征信息。传统的依赖于人工目视解译的方式,如何实现对水系信息的快速、准确提取是近几年的研究重点。论文的主要内容有以下几个部分:(1)在WordView-2高分辨率遥感影像的预处理方面,本文以ENVI软件为平台,依次对数据进行影像融合、正射校正、影像裁剪的处理操作,并分别使用Brovey变换融合、Gram-schmidt Pan Sharpening(GS)、NNDiffuse三种融合方法,以信息熵、均值与标准差、平均梯度为质量评价指标进行对比分析得出,采用NNDiffuse融合方法的效果最优。(2)本文以eCognition软件为平台,分别采用棋盘分割、四叉树分割、多尺度分割、光谱差异分割的方法对研究区内的地物进行分割处理,通过目视人工判读分割效果的方法,提出了采用多尺度分割结合光谱差异分割的方法,可以优化多尺度分割中存在过分割的情况。同时通过设置不同分割尺度参数进行试验,发现先将多尺度分割的参数设置为90,光谱差异分割参数设置为20-30时,研究区内各地物的分割效果最好。(3)在波段权重的选择上,通过提取WordView-2高分辨率遥感影像各个波段的均值、方差、相关性系数等光谱信息数值,将波段选择最佳指数OIF指数作为指标,实验得出选用Band 2、Band 6、Band 8波段组合为最优波段组合比较合理。(4)通过对研究区影像光谱、形状和纹理信息以及专题指数的统计分析,使用改进的分离阈值SEaTH算法有效地自动选取分类特征并计算阈值,选取出水系信息提取最佳的特征组合,以此构建合理的分类规则。(5)分别采用面向对象的监督分类中的最邻近分类,规则分类中的确定性规则方法,以及使用二者结合的分类策略方法,与基于像元的监督分类方法进行对比对研究区内的水系及其他地物进行提取分类。并通过使用用户精度、制图精度进行精度分析。对比实验结果后表明,采用最邻近分类、基于改进SEaTH算法确定性规则分类以及结合分类的生产者精度分别为91.78%、92.99%和96.61%,用户精度分别为91.05%、93.77%、96.67%。而基于像元的监督分类的生产者精度和用户精度分别为86.96%、88.76%,两种精度均小于使用面向对象分类方法的水系提取精度。通过实验对比分析得出,对于本研究区内的水系信息提取的精确性,面向对象的分类方法要优于传统的基于像元的分类方法;并且使用面向对象的确定性规则分类与最邻近分类相结合的方法,能够有效的提高水系信息分类精度和分类稳定性,适用于高分辨率遥感影像中水系信息的提取分类。