与中、低分辨率的遥感影像相比,高分辨率遥感影像具有更加丰富的结构信息和纹理信息,利用传统的基于像元光谱信息的分类技术无法取得理想的效果,它产生的专题图中因含有大量椒盐噪声而失去完整性,并且不能够区分“异物同谱”和“同物异谱”现象。本文将面向对象的思想引入到高分辨率信息提取技术中,这种方法通过影像分割技术生成同质的影像对象,然后提取对象的特征信息,最后运用模糊分类器实现分类。针对传统分割技术容易引起过分割现象,本文阐述了一种融合光谱与空间信息的分割合并算法,在考虑区域间光谱差异的基础上,融入了空间信息,使得分割效果更加理想,其结果与eCognition专业软件分割结果相比较,精度可以相媲美,而且避免了后者需要大量重复实验选择合理尺度的繁琐人机交互。在提取对象信息时,本文不仅仅考虑了遥感影像传统的光谱信息,并且提取了对象的形状信息,纹理信息,以及空间位置信息,通过择优组合构成分类规则。实验证明加入了对象特征信息后,在解决“同谱异物”问题方面具有很好的效果。最后,利用SPOT-5 2.5米高分辨率遥感影像对北京通州区进行了分类实验。结果与传统基于像元的分类方法所得到的结果进行了定性与定量的比较,得出如下结论:基于对象信息的分类技术能够在很大程度上改善分类的精度,克服了传统分类方法固有的局限性——其结果专题图中含有大量“椒盐”噪声、不能区分“同物异谱”及“同谱异物”现象。