随着遥感卫星不断的发射升空,遥感卫星传感器的空间分辨率已达到亚米级别,可以从遥感影像获得越来越多有价值的信息。建筑物是人类生活栖息的场所,与我们生活息息相关,基于高分遥感影像建筑物提取一直以来是遥感领域的一个热门方向。从第一颗遥感卫星发射以来,国内外学者就开始针对建筑物提取进行了大量的研究,针对低分辨率影像的建筑物区域提取算法比较成熟且精度较高,但算法并不能有效地应用到高分辨率影像,存在精度低、完整度低等问题。本文对以前建筑物提取的研究工作进行了总结,对基于高分辨率影像的建筑物提取方法进行了一系列的研究和探索,提出了一种精度高、完整度高的面向对象的局部二值模式多特征的建筑物提取算法。本文进行的研究工作主要有:首先,针对高分遥感的特点,设计了一种图像预处理方法;该方法利用直方图均衡化来增强建筑物区域的对比度,再利用双边滤波使建筑物内部区域和背景细节变得平滑且有效保留目标边界信息。其次,利用局部二值模式(LBP)算法,对遥感影像使用进行处理,获得局部二值模式算法后得到低密度特征图,并在此基础上通过均值漂移分割得到地物对象。再次,所获得地物对象的基础上,通过旋转不变性原则,对特征图进行转换;并利用滑动窗口对每个对象进行遍历。统计每个对象的每个模式对的量级,最终得到其LBP特征。此外,还通过引入阴影指数、矩形度、亮度特征组成多维特征向量。最后,将多维特征向量输入支持向量机完成建筑物提取,并对建筑物结果进行形态学优化来完善轮廓的完整性。通过对预处理效果、参数设置、与其他算法对比、大范围提取的角度等方面开展了进行实验,并对试验结果来进行对比分析算法的效果;结果表明,除了大范围提取的实验结果,其他的完整度都达了90%以上且提取出的轮廓较完整。最后,在本论文的结尾部分,总结了实验过程与结果中的问题与不足,并在此基础上提出了一些解决办法以及对今后研究方向的思考。