高分辨率遥感影像具有较高的分辨率,能够充分展现地表的细节信息。从高分辨率遥感影像上高效、准确地获取地表信息已经成为当前遥感领域研究的一个热点。建筑物作为城区中的重要地物,对其进行识别与提取对数字城市建设、城市规划等具有重要的意义与应用价值。传统基于像元的目标识别与提取方法在高分辨率遥感影像中已不适用,面向对象的分类技术已成为主要的发展趋势。针对面向对象中影像过分割、特征选择的盲目性以及不同数据源的高分辨率遥感影像建筑物提取问题,首先研究基于Canny边缘检测算法,把具有明显轮廓的地物边界检测出来,将边缘检测结果作为影像的一个光谱图层辅助多尺度分割。然后利用基于互信息的最大相关最小冗余特征选择算法和SVM分类器对影像对象特征进行选择及分析。最后分析高分辨率影像上建筑物与阴影的空间关系特征以及建筑物的专题特征,从而引入空间关系特征和nDSM专题特征,并结合最大相关最小冗余特征选择算法和SVM分类技术,对比不同数据源下的高分辨率遥感影像建筑物提取方法。实验表明,融合边缘与区域特征的多尺度分割方法和基于最大相关最小冗余特征选择方法能够有效地改善影像的过分割现象并且克服面向对象分类中对象特征选择的盲目性,同时,通过引入空间关系特征和nDSM专题特征能够减少建筑物与广场、停车场等地类混淆分类的问题,可以有效提高建筑物提取的精度。