地表覆被是陆地生命支撑系统的重要组成部分，及时准确地了解地表覆被状况具有重要的意义。遥感技术作为一种综合性的探测手段，在地表覆被分类领域发挥着重要的作用。随着遥感技术的快速发展，高空间分辨率成为一大发展趋势。GeoEye、IKONOS、QuickBird等高分辨率影像在测绘、林业、国土等诸多方面得到了广泛应用。高分辨率遥感影像具有丰富的空间信息和纹理信息，而光谱信息相对较弱，传统的基于像元的影像分类方法往往难以取得满意的效果，面向对象的分类方法应运而生。面向对象分类方法以对象为最小分类单元，不仅将光谱信息作为分类依据，还充分利用了空间结构和纹理信息，大幅提高了高分辨率遥感影像地表覆被分类的精度与效率。本文在研读大量国内外文献的基础上，论述了面向对象分类方法的原理，分析了面向对象方法较传统分类方法的优势，以eCognition软件为平台，利用研究区QuickBird高分辨率遥感影像进行了地表覆被分类的研究。本文的研究内容和研究成果如下：(1)对研究区各类数据进行了预处理。对地形数据进行处理并生成DEM；对遥感影像数据进行了辐射校正、正射校正、波段优选和融合处理。利用相关性矩阵确定了波段组合，通过比较选择了效果最佳的融合方法。(2)对最优分割尺度问题进行了详细的探讨，通过对研究区影像进行实验验证，选择了四个分割尺度构建分类层次体系。(3)充分利用影像对象的光谱、形状、纹理特征等，选取地物的典型分类特征建立合适的分类规则，使用模糊分类方法实现了研究区地表覆被分类。(4)对研究区面向对象分类结果进行了分类精度评价，并与基于像元的最大似然分类方法进行了分类精度比较。通过比较发现，面向对象的地表覆被分类方法精度更高，同时有效避免了椒盐现象，视觉效果更佳。