湿地是地球上物种和景观多样性最丰富的生态系统之一。由于湿地地类分布零散、交叉错杂的特点,以及运用计算机自动分类时,混合像元的存在和各分类算法多是针对像元独立判别或聚类,在分类结果图中常会出现大量面积很小,零碎分散的孤立点、断点、孔穴、毛刺等类别噪声,对图像质量、精度和应用造成严重影响。而针对湿地变化、景观分布、制图等的进一步研究或应用希望得到的是类似于人工解译的类内部均匀、类间边界平滑的分类结果。　　 另一方面,湿地在较小尺度上异质化程度非常高。因此,中低空间分辨率的遥感影像无法满足密集、复杂的湿地地类的信息提取。　　 随着遥感影像空间分辨率的不断提高,基于高空间分辨率影像的信息提取技术已成为遥感研究和产业化应用的重要内容与瓶颈。与传统的中低分辨率影像相比,高分辨率影像空间信息更加丰富,地物目标细节表达得更加具体,而光谱信息相对不足。因此,单纯依靠光谱特征的像素层次上的分类方法已经不再适合高分辨率影像的信息提取。另外,当空间分辨率变高时,同一地物类别内部的光谱差异性增大,反而使类别间的可分性降低,导致分类更加困难。　　 本文针对湿地地类和景观分布零散、交叉错杂的特点,以及高分辨率遥感影像同类地物内部光谱差异性大、光谱信息相对不足的缺点,指出传统的只基于像元光谱特征的分类方法在高分辨率遥感影像湿地信息提取中的问题和缺陷,提出使用基于马尔可夫随机场理论和面向对象的两种方法,充分利用高分辨率影像的空间、结构信息应用于湿地信息提取,以有效减少类别噪声,得到类似于人工解译的类内部均匀、类间边界平滑的湿地分类结果。　　 最后,本文还以Visual Studio为开发环境,实现了包括最大似然、支持向量机、神经网络、K近邻等方法的分类算法库；并以算法库为核心,设计开发了“基于长时间序列卫星遥感数据湿地动态变化监测系统”；另外,利用本文提出的图像分割方法,设计实现了从图像分割、到区块特征提取、最后到区块分类的“面向对象湿地信息提取系统”,以为湿地研究和流程化生产应用提供帮助。