随着航天遥感技术的飞速发展，遥感数据空间、光谱和时间分辨率的快速提高，高分辨率卫星遥感技术已经发展到了一个前所未有的高度。与海量的高分辨率影像资源相比，如何高效解译并处理这些具有大量丰富的空间、地物几何结合和纹理信息的高分辨率遥感影像数据，已成为遥感领域研究的重点与难点。因此，本文采用worldview-2高分辨率影像数据，以藏南地区为研究区，研究立足于两点来提高藏南地区地物信息的分类精度。首先是最佳分割尺度方法的选择，如均值方差法、最大面积法、精度比较法等，经过对上述三种尺度选择方法的结果进行分析，结果表明，单独使用均值方差法和最大面积法，不能确定各个地物的最佳分割尺度，而精度比较法不能全面、客观的明确地类的固有尺度。因此，采用综合分析三种尺度选择方法的结果，得出各类地物的最佳分割尺度，建立多层次影像对象网络层次结构。其次是发现和挖掘地物知识特征和建立地物分类识别规则，充分利用全面、典型的地物训练样本，研究在光谱(NDVI、NDWI)、形状(Length/Width、Width、Rectangular Fit、Curvature/Length、stddev curvature和density)和自定义特征增强参数等上的变化规律，实验表明多特征规则组合能实现地物提取差异最大化和高分辨率遥感影像的高效精确分类。同时，利用相同的训练样本、检验样本、尺度分割参数和对象特征，采用支持向量机和最近邻分类器对实验区进行分类和精度评价，在以对象为分类单元的基础上，分析比较三种分类方法的结果和精度。实验结果表明，采用面向对象规则分类方法对高分辨率影像进行分类和时，能使高分辨率影像分类结果近似于目视判读的结果，分类精度更高。面向对象规则分类法总精度和Kappa系数分别为97.38%、0.9673，比面向对象SVM法高出6.23%、0.078，比面向对象KNN法高出7.96%、0.0996；建筑物的生产者精度、用户精度分别比面向对象SVM法高出18.39%、3.98%，比面向对象KNN法高出21.27%、14.97%。