在遥感影像分类技术的发展过程中,利用影像地表特征信息,如空间特征、光谱特征、纹理特征等成为影像分类处理的主要手段。最初人们提出以利用光谱特征为主基于像素的监督分类和非监督分类等方法,然而,在分类过程中往往会带来“同物异谱”和“同谱异物”现象。为了更加充分的利用影像地表特征信息,有效提高分类精度,提出了以对象为基础的面向对象分类方法,降低了分类中的“同物异谱”和“同谱异物”现象。然而,面向对象分类方法中常用的分类后处理中忽略了以往随机验证点产生的误差,从而降低了分类后精度。为此,本文提出一种基于规则验证点的面向对象分类方法。同时,将基于规则验证点的面向对象分类方法与中位数绝对偏差（MAD）算法相结合,对面向对象分类中的训练样本进行优化,通过两组数据进行实验比较,结果表明:基于规则验证点的MAD-KNN分类方法比原有的KNN分类方法结果精度有明显提升。本文针对影像处理实验过程中存在的不足,主要研究内容如下:1)本文主要对影像分割方法的发展现状和方法适用性选择进行研究。介绍多分辨率分割、四叉树分割、Mean-shift分割、Watersheds分割等分割方法,通过效果图以及标准差、像素数、均值、最大面积等数据对比,得出多分辨率分割方法具有较强的适用性。2)本文主要将ESP工具应用于面向对象分类,提高了分类效率。使用ESP尺度选择工具对GF-2影像最优尺度参数进行预测,通过对预测参数周围的数据进行合理设置,结合影像分割方法进行实验比较ESP工具的可行性。将所得结果与三种具有代表性的面向对象分类方法结果进行对比,实验结果表明,ESP工具有效提升了影像分类效率,其中基于KNN面向对象分类方法具有较高的适用性。3)针对基于对象的面向对象分类方法结果评定与实际分类效果存在差异的问题,文中利用规则验证点进行优化。提出基于规则验证点的精度结果评价方法。在大量实验结果的对比分析中得出本文提出的方法比传统随机验证点精度评定结果有较大的提升,有效提高了影像分类后处理的精度评定结果。4)针对面向对象分类过程中出现的样本异常值问题,文中利用MAD算法进行了优化。本文利用中位数绝对偏差算法对基于规则验证点的面向对象下的最近邻（KNN）模型进行改进。利用不同地物特征之间像素值的差异,有效剔除分类过程中存在的异常样本。实验结果表明,本文算法在保证样本准确的情况下,有效提高了精度评定结果。5)针对基于规则验证点MAD-KNN方法在建筑物密集度不同情况下表现出的不稳定性问题。本文采用MAD-KNN方法与面向对象形态学建筑物指数（MBI）在同等条件下对遥感影像建筑物提取进行对比,实验结果表明,面向对象的MBI方法提取在高密度建筑物提取中凸显出较高地适用性。