遥感技术已成为获取土地利用信息的重要手段，遥感影像的分辨率不断提高，使得影像的纹理特征更加清晰。面向对象的概念在70年代就出现在遥感领域中，但它的广泛研究和应用还是从最近10年开始。影像分析采用一种影像多尺度分割的法则，以任意尺度生成属性信息相似的影像多边形对象(FaberandForstner，1999)，运用模糊数学方法获得每个影像对象的属性信息，以影像对象为信息提取的基本单元，实现类别信息的自动提取。对象是与像元相对应的影像分析实体，是光谱信息相似的相邻像元集合体，其大小由影像分割尺度与影像空间结构特征决定。它综合考虑了光谱统计特征、形状、大小、纹理、相邻关系等一系列因素，借助对象特征知识库来完成对影像信息的提取，因而更有利于提高分类结果的精度。　　 本文以湖北省武汉市蔡甸区2006年航拍影像为例，首先对影像进行几何校正，保证其有正确的空间参考坐标系。然后使用概率统计(OccurrenceMeasures)的方法提取原始3个波段的数据范围(datarange)、平均值(mean)、方差(variance)、熵(entropy)和偏移(skewness)5个量，一共提取15个纹理波段。然后使用主成分分析法计算各纹理波段的特征值和信息量，经计算，第一波段的信息量占所有波段的96.31％，故将该波段作为原始影像的纹理波段数据。然后使用层叠加(LayerStacking)将纹理波段数据与原始影像的3个波段合成为一个影像文件。然后计算合成后影像的相关性，选取合适的3个波段进行RGB合成。经计算纹理波段与原始影像的G波段、B波段相关性最小，故使用纹理波段和原始影像的G波段、B波段进行RGB合成，得到纹理增强图像。　　 然后以各种分割尺度(10、20、30、40、50、60、70)分割影像，再对分割后的对象进行监督分类。最后对分类结果进行精度评价，计算7种分类结果的混淆矩阵。分析各分割尺度下分类总精度，各分割尺度下房屋、道路、林地、耕地和水域5种地类的使用者精度、分类者精度和总精度。　　 本论文研究认为，该影像的最优分割尺度为40到50之间，房屋的最优分割尺度为60，道路的最优分割尺度为50到60，林地的最优分割尺度为30，耕地的最优分割尺度为40，水域的最优分割尺度为10。