随着传感器技术和航天航空平台技术的飞速发展,遥感探测技术在地球观测方面的能力也得到了大幅度提升,随之而来的则是数量越来越多、信息越来越丰富的遥感大数据。高分辨率遥感技术以一种更加精细化的方式来观测地球,得到的遥感数据也包含着更为精确和丰富的地物信息,可表现为纹理颜色、几何结构和空间关系等。这些越来越精细化的地物信息使得人们很难将如此丰富的遥感影像中的信息转变为可编辑和处理分析的地理信息,面对日益增长的海量高分辨率遥感影像数据,如何有效的进行目标识别、数据挖掘和信息提取就显得尤为重要。本文针对上述问题提出了一种基于尺度不变特征变换理论(Scale Invariant Feature Transform,SIFT)特征场的高分辨率遥感影像中住宅小区建筑物对象的半监督语义分割的方法,该方法可以实现高分遥感影像中目标对象前景区域和背景区域自动标记,然后利用标记后的前背景区域通过图割算法进行目标对象的演化切割。本文的研究主要内容包括:(1)二维图像对象分类和分割的必要性、组织结构、技术流程、发展现状和应用前景介绍;(2)实现同一幅高分辨率遥感影像中目标对象样本区域的切割,通过样本区域和原遥感图像的特征点信息进行特征点匹配,将样本区域的特征点映射到原图像中,并对原遥感影像和样本区域进行1对多匹配;(3)利用SIFT特征点的特征向量的模和匹配结果,对匹配的特征点对进行邻域灰度颜色直方图对比,并利用精确度(Precision)、准确率(Accuracy)、召回率(Recall)和F值(合并称为PARF)四个指标对直方图对比的定量结果值进行迭代更新筛选,选取F值最大时的直方图结果值作为阈值对匹配的特征点对进行初步筛选;(4)将三维点云滤波方法中的统计滤波用于本文的特征点筛选过程,去除初步筛选后的特征点中的离散点,得到最终目标对象区域的特征点;(5)将目标对象区域的特征点标记为前景点,其余特征点标记为背景点,利用图割算法对目标对象进行演化分割。(6)利用PARF四个指标值对高分辨率遥感影像中的目标对象分割结果进行定量化评价。本文通过SIFT特征场和图割算法实现了高分辨率遥感影像中目标对象半监督语义分割,对武汉市辖区内的两张城镇住宅小区的高分遥感影像进行了分割提取实验,实验结果证明本文提出的方法在目标分割方法几乎没有漏缺,且PARF四个指标评价值均在0.7以上,召回率(R)均在0.9以上,说明该方法有效,能够根据高分辨率遥感影像的纹理梯度、空间邻域和尺度与方向不变等特性,较好的分割出影像中的目标对象。