随着高分辨率遥感影像获取能力不断增强，此类数据的处理和应用研究越来越受关注，成为遥感领域的一个热点。传统的基于像元的分类方法对高分辨率遥感影像数据的专题信息的提取精度不高，带来“椒盐噪声”负效应，影响制图的观赏性。正是基于上述分类方法的不足，面向对象的遥感信息提取技术应运而生。面向对象分类方法的处理对象是影像按照不同分割尺度及分割参数分割生成的影像对象，这些影像对象不仅有地物必须有的光谱特征，还有形状、纹理等其他特征。面向对象分类方法利用这些特征构成的特征组合，运用模糊分类方法来提取专题信息，其结果与实际存在的地物边界非常吻合，因此该方法非常适合高分辨率遥感影像数据的信息提取。　　 本文以黄石市铁山区大冶铁矿为研究区，运用面向对象分类技术对研究区WorldView-2影像数据进行地表覆盖信息的提取研究。针对研究区地物类型，首先，采用面积比均值法分析了最佳分割尺度，选择了118、65、38大中小三个尺度对影像进行多尺度分割，构建影像对象层次等级网络，并选择提取地物类型最多的中等尺度层作为主图层；然后，对所有的地物类型建立分类层次体系，并根据各类地物的代表性特征，选择对象的光谱特征、纹理特征、形状特征等相关特征组合建立分类规则；其次，对影像采用成员函数法和标准最邻近法相结合的方法进行各类地物信息的提取，并输出研究区地表覆盖信息分类图；最后，运用混淆矩阵对分类结果进行精度评价，统计出总体分类精度和Kappa系数分别达到88.29％和0.8864，表明分类效果极好。　　 特别地，还对研究区中出现的“同谱异物”现象进行专题的区分实验，实验结果表明面向对象分类方法利用地物的形状特征能够很好地区分开有着光谱特征相似度很高的公路和公园广场这两类不透水面地物，解决了监督分类素手无策的难题。此外，运用监督分类方法（最大似然法）对研究区影像进行重新分类，并将分类结果与面向对象分类结果进行比较。结果比较显示，面向对象分类方法在遥感信息提取方面比监督分类方法更具优势，大致可以概括为以下几点：　　 (1)分类原理。监督分类的处理对象是像元，仅仅依赖光谱特征；面向对象分类处理对象是影像对象，可以利用光谱特征，还能参考地物的形状、空间、拓扑特征等，这更符合人认识世界的逻辑，能够很好地解决“同谱异物”难题。　　 (2)视图效果。分类原理的不同导致视图效果的差别。在监督分类结果图中，地物类型之间不连续，混淆模糊，又琐碎的“椒盐噪声”；在面向对象分类结果图中，地物类型能保持完整的形状，边界清晰，更加贴近人类的视觉感受，因此，专题图制作不仅具有基本的科学性，更带有艺术性。　　 (3)分类精度。从上面分类结果精度评价表可以观察到，面向对象分类结果精度要明显高于监督分类。在总体分类精度上，面向对象分类比监督分类高出17个百分点之多；在总体Kappa系数上，面向对象分类要比监督分类高出0.32左右。　　 本文的创新点：　　 (1)采用的面积比均值法能够快速、精确地找出适合各类地物的最佳分割尺度，为影像分类精度的提高奠定了重要的理论基础。　　 (2)针对传统分类方法提取结果中普遍存在的“同谱异物”现象，本文进行了专题的区分实验。“公路”与“公园广场”两类不透水面地物的专题研究实验。利用面向对象分类方法计算出地物的光谱及形状特征，然后构建分类规则，成功地提取出两类地物，证明了面向对象方法在这方面具有独特的优势。　　 因此，将面向对象分类方法应用到矿山遥感调查领域，实现矿区地表覆盖信息的自动提取，满足快速、精确的基本要求，适应影像数据分辨率不断提高的发展趋势，能够更好地为矿区管理决策服务，具有十分重要的理论和现实意义。