土地覆被计算机自动分类总体上分为传统基于像元自动分类和面向对象的自动分类两种。长期以来，很多学者探索出各种方法去挖掘和利用遥感影像中的地物光谱特征，并且取得了丰硕的成果。遥感影像除了光谱信息外还具有丰富的空间信息、空间结构信息、形状信息和纹理信息，但传统基于像元的分类方法仅仅根据地物的光谱特性来进行分类显然具有一定的局限性。而面向对象技术除了可以利用地物的光谱特征外，还可以充分利用地物的形状、纹理、空间、空间结构、上下文关系等多种信息，为提高土地覆被信息提取精度提供新的突破口。　　目前，国内外关于面向对象的土地覆被分类主要集中在高分辨率的遥感影像，方法也不断成熟。但在中分辨率遥感影像的应用研究还有所不足，特别是在中分辨率的国产遥感影像的研究还不多见。　　我国成功发射环境卫星(HJ)后，利用小卫星A、B星对生态环境进行动态监测，对灾害和生态环境的发展变化趋势进行预测，对灾情和环境质量进行快速和科学评估，为紧急救援、灾后救助及恢复重建和环境保护工作提供科学依据。因此，对我国HJ-CCD影像的应用研究有着重要的理论和实践价值。　　本文以多时相中分辨率的国产HJ-CCD遥感影像为主要数据源，以地形复杂多样的湖南省为实验区，辅之以高程图、坡度图及土地利用专题图进行大尺度的土地覆被信息提取。采用面向对象的影像分类技术，充分利用影像的光谱特征、空间特征、纹理、上下文关系，综合运用多层多尺度分割，融入二叉树流程法，对土地覆被类型进行自动化提取。构建了在大尺度上利用中分辨率HJ星影像和面向对象技术进行土地覆被信息提取的一整套流程与方法。　　湖南省土地覆被遥感自动分类调查结果显示:林地面积133055.26km2，草地2578.78km2，湿地7891.48km2，耕地63572.74km2，人工表面5308.29km2，其他类面积516.55km2;分类的总体精度84.99％，Kappa系数为0.8279，完全达到精度要求。表明利用该方法进行大尺度的土地覆被调查的效果好，精度高。HJ-CCD遥感影像可以在大尺度的土地覆被分类中进行广泛的应用。　　研究表明以HJ星为遥感数据源，分类过程中可以综合利用影像的光谱信息、拓扑关系、纹理信息等建立分类规则，从而大大提高了在中分辨率遥感影像中地物识别的精度，而且有效地避免了“椒盐现象”的发生，具有较强的抗噪声能力。二叉树流程法的过程能够很好地表达人类思维，有利于人机互动。而且这种从易到难、层层递进的方式通过减少分类特征数量，利用较少的分类特征进行互补性提取，可以明显降低误差的传递，从而选择更有效的判别函数或有针对性的分类方法。其针对性更强，分类精度更高。