建筑物是城市环境中最重要的人工地物类型之一。由于建筑物的变化频率较高,了解其目前的分布情况对于城市规划、变化探测、城市环境调查和城市监测应用具有重要意义。随着Ikonos、Quick Bird、Worldview等新一代超高空间分辨率传感器的投入使用,使得地物高分辨率影像能观测到更多的地物细节和小目标,成为了建筑物提取的重要数据来源。然而,在应用中也存在着如下问题:由于图像分辨率的提高,图像内的光谱特征的高类内方差和低类间方差大大降低了图像的光谱分辨率。为了解决这一问题,就需要对图像空间和结构信息进行提取,然后利用这些信息作为补充来提高算法的识别能力。大量的研究表明,引入空间特征能显著提高分类的准确性。形态学属性断面可以根据连通区域的任何几何或光谱特征进行特征提取,为高分辨率图像的空间信息建模提供了一种更为灵活的方法,已被证明是从高分辨率影像中提取空间特征的有力工具。通常这一方法都与监督分类器共同使用进行目标识别,而自动地物识别方法还有待研究。为了更好的从复杂的城市环境中提取建筑物,本文以基于属性形态学算子的高分辨率影像建筑物自动提取为目标,分别从非建筑物地物提取、建筑物特征提取和阴影特征提取三个方面展开研究,并用真实数据对提出的方法进行验证。在论文展开之前,首先分析了监督分类算法在建筑物提取中的效果。在对高分辨率影像中与建筑物提取相关的光谱、几何特征进行了阐述后,利用两种有代表性的监督分类器:支持向量机和随机森林,对实验数据进行了基于像素的和面向对象的建筑物提取实验,实验结果表明面向对象方法在加入了对象的几何特征后能够比基于像素的方法获得更高的精度,但他们的提取结果中仍然存在着较多错误,并且这类算法的精度十分依赖于选择的样本,需要在样本选择阶段花费大量的时间,无法满足大范围海量数据的自动处理需求。近年来也有很多研究围绕着建筑物的快速、自动提取研究展开。这些方法中包含一系列特征指数方法,这些指数有的是用来进行建筑物特征提取,有的则是用于排除影像中一些容易与建筑物发生混淆的地物,如植被、水体和阴影等,通过去除这些干扰地物也能够提升建筑物提取的精度。在这些自动建筑物提取算法中,形态学建筑物指数算法（morphological building index,MBI）已被大量研究证实可以有效地从高分辨率影像中提取建筑物。通过对MBI算法的分析发现,这一算法的主要问题来源于较高的错分和漏分错误。而造成建筑物漏分率较高的原因有:建筑物屋顶内部包含着的暗细节导致的建筑物提取不完整;这一算法无法提取图像中局部对比度较低的暗建筑物。而错分错误则来源于对与建筑物光谱特征相似的其它地物的误检。针对以上问题,本文以城市高分辨率影像建筑物自动提取为目标,将重点研究自动非建筑物地物滤除、自动建筑物特征提取和自动阴影特征提取。首先,对于建筑物屋顶提取不完整的问题,提出了一种基于形态学属性断面的影像去噪方法。这一方法通过对图像中连通区域的光谱均质度进行度量,滤除图像中的暗细节,提高建筑物区域内部的均质度,从而增加建筑物提取的完整性。而对于建筑物误检问题,提出了狭长状非建筑物地物自动滤除方法。通过分析图像中建筑物与非建筑物之间的形状差异,利用属性形态学滤波将建筑物同与其光谱特征相似的呈现狭长状形状的非建筑物目标分离,使建筑物保持独立完整的形状轮廓。实验表明,两种方法能有效的提高建筑物提取的完整性和准确性,减少结果中的漏分和错分错误。其次,提出一种新的基于形态学属性断面的建筑物指数算法,称为属性形态学建筑物指数（morphological attribute building index,MABI）。这一方法将建筑物局部对比度高、内部均质度好、具有特定形状和尺度的特点,与形态学属性滤波特性相结合,通过选择适合的滤波属性,对图像进行一组连续的滤波提取图像中的多尺度信息对建筑物进行建模。考虑到影像中建筑物不同的反射特性,为了减少暗建筑物的遗漏现象,在MABI中对明亮和黑暗的建筑物进行了单独提取。通过与不同方法进行对比分析,实验表明本文方法的检测精度高、速度快、自动程度高。该算法不需要任何训练样本,很适合用于对大量大范围的数据进行处理。最后,为了降低用二值分割方法从MABI特征中提取建筑物造成的漏分和错分错误,提出了一套系统的建筑物提取策略。这一系统主要包含两个部分:1)阴影提取,2)双重阈值面向对象分析。在1)中提出了一种新的自动阴影提取指数,称为属性形态学阴影指数（morphological attribute shadow index,MASI）。这一方法利用建筑物与阴影在光谱特征上的不同但几何特征上相似的特性,用属性形态学滤波对阴影特征进行建模和自动提取。2)为双重阈值分析策略。这一策略针对运用单一阈值对MABI特征分割产生的错误率较高问题,在面向对象框架下,利用阴影与建筑物之间的空间距离约束关系,对不同MABI值的对象使用不同的约束条件,去除没有阴影的地物干扰,降低算法的错分率。通过实验比较发现,这一建筑物提取策略能有效提高检测精度。本文提出的非建筑物地物滤除、建筑物和阴影特征提取方法无需任何先验知识和辅助信息就能从高分辨率影像中进行自动建筑物检测,准确率和算法效率高,在与监督分类算法和非监督建筑物提取算法的比较中,均取得了最优的提取精度。