近年来遥感数据信息提取技术发展迅速,优化影像的信息提取技术效率并提升其识别精度成为当前的研究热点。国内外许多研究者就图像信息提取进行了深入研究,取得了一定的研究成果。遥感信息提取技术是新的遥感信息解译方法,跟传统的图像解译方法的不同点在于,面向对象方法以图像分割后的像元集合为分析对象,通过对特征的选择和提取实现信息的提取。本研究以广州市白云区部分地区作为研究区,以QuickBird-2数据和GF-1数据作为基础,对研究区的建筑信息进行精确提取,将遥感数据的纹理、结构、形状特征以及目视解译的经验知识作为依据,建立规则特征库进行信息提取,对信息提取的工作效率有一定提升。在此基础之上,通过误差矩阵的方式对分类结果进行精度评价,对相同数据源进行方法上和精度上的相互比较,对相同方法进行不同数据源进行比较,通过横向和纵向的比较来论证各种信息提取方法和数据源在实际应用中的适用情况,并分析各个方法的优势和不足。最终结果表明:从方法上来说,多尺度分割与构建知识库的方法对于建筑密度高的地区,建筑用地信息提取更为有效,与实际值更接近,为面向对象分类方法在人工地物信息获取的实际项目的运作方面,提供了新的解决方案;从数据源上来说,GF-1数据的信息提取结果误差分布更均匀,分类结果的一致性更高,QuickBird-2数据更适合小尺度的信息提取研究和应用;从实际应用的角度来说,对于大范围的遥感监测,考虑到经济成本和时间成本(GF-1数据单幅宽大,成本低),在GF-1数据源的基础上,采用基于规则的面向对象分类方法更合理。