高分辨率卫星遥感技术的快速发展,使得具有丰富形状、纹理、颜色等特征的高分辨率遥感影像在许多领域应用越来越广泛,为高分辨率遥感影像信息提取技术的发展提供了更多的可能性。传统的影像信息提取技术多是基于影像的光谱特征,并未使用影像的形状、纹理、颜色等特征,不仅造成了影像资源的浪费,而且未取得理想的精度,可见传统的分类方法已不能完全满足实际应用的需求。为了能够更快、更准地提取地表信息,就必须充分利用影像对象丰富的特征。因此,本文采用WorldView2影像数据,以昆明市官渡区作为研究区,利用面向对象分类技术,研究工作和成果如下:(1)最优分割尺度的确定。对研究区影像分别使用最大面积法和均值方差法两种最优分割尺度算法,对两种算法得出的结果进行分析,为验证各地物的最优尺度,从每个分割尺度中对主要地物进行随机取样,并对每个分割尺度的分类成果进行精度评价。(2)影像特征提取。发现和挖掘地物知识特征和建立地物分类识别规则,充分利用地物的样本点,得出每种地物信息提取的最佳特征组合,研究光谱特征、自定义特征等参数随分割尺度递增的变化规律。(3)研究区信息提取实验。确定各地物的最优分割尺度,选取最佳特征组合,建立分类层次和模糊规则知识库。(4)采用监督分类方法、面向对象最邻近法和模糊分类法的结果进行对比分析。实验结果表明,采用面向对象模糊分类方法对高分辨率影像进行分类时精度更高。面向对象模糊分类法总精度和Kappa系数分别为93%、0.920,面向对象最邻近分类法总精度和Kappa系数分别为85%、0.819,均高于监督分类法的精度(分类总精度为83%,Kappa系数为0.797)。