图像的信息提取与目标识别是高分辨率遥感图像理解与应用的前提与基础。高分辨率图像上的目标地物信息更为丰富，种类更加多样，加之同物异谱和异物同谱现象的普遍存在，给传统的仅仅以像元值为主要信息的影像处理与分析带来了新的难题。所以，高分辨率遥感图像的信息提取与目标识别必须寻找新的出路。　　 本论文运用IDL强大的矩阵运算功能，针对以往的高分辨率遥感信息提取研究在提取策略、知识的利用等方面的局限，分析了基于包含图像邻域信息和人的知识参与下的高分辨率遥感目标识别技术路线以及关键技术，提出未来的图像分割和识别技术应该是人工智能得到应用和人机交互的特点，将人的模式识别认知能力与计算机精确计算能力结合起来，形成了一套高分辨遥感影像处理与分析系统。本文在理论探讨、技术方法和技术实现三个方面开展了相关研究。　　 1)理论探讨方面：　　 针对高分辨率遥感图像信息提取这一任务，结合面向对象的图像分析思想，提出了基于特征基元的，面向高分辨率遥感图像目标信息提取的一般流程和关键技术，使信息提取的过程从面向像元-面向对象-面向目标的过度。　　 2)技术方法方面：　　 针对部分人工目标的信息提取任务设计了相应提取算法，进行了提取实验。它们包括：分析道路在高分辨率遥感影像上是连续分布的，提出了基于空间连续性的道路提取算法模型；汽车目标在高分辨率卫星遥感影像上太小，而且亮度变化很大，提出了背景迭代搜索算法。　　 3)技术实现方面：　　 在以上工作的基础上，利用IDL对以上一系列图像分割、特征提取、目标识别方法进行了算法、界面的设计、实现与完善，并将其集成为了高分辨遥感图像处理与分析系统。　　 总结本文的研究工作，主要贡献和创新点可概括如下：　　 1)研究了高分辨遥感图像信息的挖掘和道路、汽车等目标特性的知识表达，提出了基于面向目标的高分辨率遥感影像计算模式。　　 2)建立了基于IDL的高分辨率遥感信息提取与目标识别原型系统。该系统以“理论基础-技术方法-技术实现”的处理流程为背景，开展道路、汽车等实例研究，为城市交通综合管理和规划决策工作提供信息支撑，体现了科研为工程服务的理念。　　 3)扩展了道路提取和汽车检测的方法体系，并首次利用高分辨卫星遥感数据进行汽车检测。　　 论文的最后分析了本文研究目前仍存在的不足，并进一步阐明了今后的研究重点和方向。