高分辨率遥感影像因其包含丰富的地理信息,所以高分辨率遥感影像在基础地理数据更新、国土资源调查和土地利用信息的变化检测等方面得到广泛利用。随着影像信息解译技术的显著提高,探索如何在高分辨率遥感影像里快速、精准地提取目标地物的信息,成为人们不断思考和探索的方向。道路作为一个重要的国情类别和基础性的地理实体,它的准确提取可以为构建国家及地理信息行业相关的地理空间数据库打下坚实的基础工作。传统的道路提取方法主要是基于目标像元来获得地物信息,其只是利用了影像中的光谱信息,而没有去采用地物的空间结构、纹理等其他信息。本文针对高分辨率遥感影像对目标地物所反应的地物细节,针对目标地物的纹理、颜色、亮度等特点,采用面向对象的方法快速提取研究区范围内的道路信息。本文的影像数据源是高分一号遥感卫星,选取江西省昌北经济技术开发区桑海办事处作为研究区,采用面向对象的方法来快速提取研究区内的道路信息。首先,采用试错法确定多尺度分割的尺度参数,得到适宜参数后,用多尺度分割方法得到若干个具有属性一致性的影像区域;然后根据光谱、形状、纹理等特征信息,获取研究区道路的知识库;最后根据知识库建立的规则,用计算机自动对所分割区域进行分类,并得到实验结果。通过实验研究总结试验结果如下:(1)本文基于eCogniton软件研究平台,对多尺度分割法、四叉树分割法、棋盘分割法等三种分割方法进行对比分析,通过不同分割方法得到的目标地物面积与人工提取并经过外业核查后的数据做空间对比分析,发现多尺度分割法的正确率最高,优于其他两种方法。通过对试验区域的多次分割对比,确定了案例研究区域的道路的最优分割尺度是60,形状差异性因子为0.3,形状紧凑性因子为0.4。(2)根据实验确定的最优分割尺度,开展研究区尺度分割,并对分割影像进行分类。本文主要采用模糊分类的方法,并详细介绍了模糊分类中的最邻近分类法和隶属函数分类法两种分类方法,根据对比分析,最终选用隶属函数这一分类方法进行分类。针对道路在影像上反映的不同波段均值、亮度、长宽比等特征,建立道路影像区域分类的规则集,借助相关的规则进行自动分类,最后用高分遥感影像进行道路提取,并取得良好效果。(3)根据道路信息提取案例,开展基于面向对象的影像道路提取工作,阐述该方法的具体操作以及多尺度分割和模糊分类在其中的具体利用情况,并与人工手动提取的结果进行对比分析,在对比分析的基础上,得到面向对象的影像信息自动提取方法的优势和劣势,最后总结出本研究的不足和未来待开展的研究方向。