高光谱分辨率和高空间分辨率的遥感数据为遥感影像解译和应用提供了更丰富的信息，也为影像判读分析带来越来越清晰的地物色调、纹理、形状、结构等知识。同时，由于影像上局部信息更加复杂和地物区域异质性增强，利用传统的影像智能化解译技术进行地物要素提取的效果较差、效率较低。本文针对中高空间分辨率、不同类型的多源遥感影像和传统的特征知识表达和目标识别提取技术，利用不同层次的特征知识构建比较稳定的基于光谱/空间联合特征的判别方法，进而实现联合空间和光谱信息的地物要素提取。本文完成的主要工作和取得的成果如下：1.介绍了遥感影像智能解译的概念、发展和难点，分析了利用空间或光谱信息进行遥感影像地物要素提取的技术现状，指出了联合空间和光谱信息进行地物提取的意义。2.深入分析了不同地物要素的空间和光谱特征表现形式和描述方法，根据在不同类型遥感数据选取不同特征的方法，提出光谱/空间联合特征的描述和选择方法，实验表明联合特征对不同地物要素及地物区域具有更好的适应性。3.深入研究了特征空间的目标判别函数和准则，构建了基于联合特征的加权目标判别方法；对传统区域生长(SRG)方法进行改进，引入三个调节参数优化联合特征聚类和影像分割；实验表明，该方法对不同地物区域和较大特征差异的地物要素具有更好的提取效果。4.将核Fisher判别分析方法引入基于联合特征的地物提取，分析了基于核Fisher的目标判别和特征聚类方法，实验表明该方法优化了基于联合特征的地物提取效果。