城市的快速发展,导致建筑物和道路等透水性较差的地物大面积扩张,地表面原有的植被、土地、农田等透水性较好的地物被替代。城市不透水面的增加,导致一系列的社会效应,如水质恶化、城市热岛效应等生态环境问题。准确地提取不透水面的方法为城市规划,热岛效应分析和城市可持续发展等诸多领域提供指导作用。在传统的遥感影像分析中,分类的主要依据是地物的广谱特征。在高分辨率遥感影像中,光谱信息量特别丰富,微观的纹理信息表现也十分详细。因此利用高分辨率遥感影像来进行不透水面的研究,是一种快捷,有效的技术手段。高分辨率遥感影像覆盖范围广,在地物提取方面有着巨大的优势和潜力,已经成为获取高精度城市不透水面的主要技术手段。本文以提取城区的不透水面最为最终目的,将广西师范大学雁山校区作为研究区域,使用高分辨率遥感影像对该区域进行不透水面提取。重点阐述了量子遗传最大熵多阈值分割和多特征融合的分类方法,详细的解释了高分辨率影像中颜色信息和纹理信息的计算方法,结合实验结果进行对比与分析,使用Python程序设计语言,设计一套简单的图像处理软件,最后对论文研究的工作进行总结和展望。论文的主要工作有:(1)为了解决传统的阈值分割方法无法满足复杂的城市地物的分割需求,而产生严重的“过分割”、“欠分割”的问题,本文研究了量子遗传算法和最大熵分割算法,在分析和研究最大熵分割原理的基础之上,结合量子遗传算法的种群多样性和收敛速度快的特点,将量子遗传算法应用于最大熵图像阈值分割作为图像的多阈值分割,不仅可以有效的降低最大熵图像分割计算的复杂度,而且与传统的阈值分割相比,提高了不透水面的提取精度,缩短了运算时间。(2)为了获取实验中所需要的训练样本,使用了人工标注的方法对原图像进行标注,用不同的颜色标注出透水面与不透水面,尽可能的标注一些具有代表性的区域,获取最终的实验的训练样本。(3)为了充分利用高分辨率影像中丰富的颜色信息和纹理信息,提出了一种基于多特征融合的不透水面提取的方法,此方法首先利用影像中的颜色信息,将颜色信息中的颜色本身所有的RGB特征并结合颜色空间特征,归一化成一个特征向量,然后利用影像中的纹理信息,采用不同大小窗口滑动提取出纹理特征,结合这两种特征,分别使用SVM分类器和BP神经网络对整幅图像按照像元分类,结果表明该方法的不透水面提取精度比传统方法更高。(4)使用Python程序设计语言,调用OpenCV图像处理库函数和PyQt界面库函数,对本文中所使用的方法,设计出不透水面提取系统,并且比较不同方法的计算结果和计算时间。