随着采矿业的发展，矿山生态环境面临的问题日益突出,将遥感技术应用于矿产开发调查与监测，有效地提高了政府有关部门的监管力度。但是如何利用遥感数据高效、准确地提取专题信息仍是目前难以克服的问题之一。传统的基于像元的分类方法的分类精度不高，“椒盐”现象较为严重，难以满足一定的生产精度要求。人机交互式解译法虽然提取精度较高，但需要丰富的判读经验和专业知识，并且该方法耗时费力。本文以九龙县里伍矿区为研究区，利用QuickBird遥感影像数据尝试进行基于面向对象分类方法的矿区土地覆盖信息提取的研究。本文研究内容和研究成果如下：(1)全面介绍了面向对象分类方法的理论知识，首先对影像分割技术进行了整体概述，详细阐述了多尺度分割的概念以及多尺度分割参数的选择。简明介绍了最邻近分类法和模糊分类法。(2)对研究区实验数据进行了预处理。对地形数据进行了处理并生成DEM。对遥感影像数据进行了融合、正射校正和裁剪。分析了多种影像融合方法，从定性的角度选择了Gram-Schmidt方法进行影像融合。(3)对最优分割尺度问题进行了详细的探讨，并根据面积比均值法提出了一种改进的最优分割尺度选择方法，将该方法应用于研究区数据进行了实验验证，选择了三个分割尺度构建对象层次结构。(4)充分运用影像对象的光谱信息、几何信息、纹理信息等，构建模糊分类规则，并综合模糊分类器和最邻近分类器的优缺点，将两个分类器结合使用提取矿区土地覆盖信息。（5）对研究区面向对象分类结果进行了分类精度评价，并与基于像元的最大似然分类方法进行了分类精度比较。通过比较发现，运用面向对象的分类方法对矿区的土地覆盖信息提取的精度明显优于基于像元的分类方法。