随着遥感数据获取能力的不断提升,利用基于机、星载平台获取的大尺幅遥感图像进行郊外建筑物检测技术,在民用、军用以及反恐领域都有着迫切的需求。但是,相关的遥感图像解译技术发展相对滞后,国内外相关领域研究者均为解决这一突出矛盾做出了不懈努力。郊外遥感图像中建筑物形态各异、类内差异大,导致已有方法检测性能有限、计算速度慢;其次,遥感郊外图像场景复杂,上下文信息丰富,建筑物极易湮没在复杂场景中,影响建筑物的精准检测。针对以上问题,本文提出了 一种基于多层次视觉上下文信息的郊外遥感建筑物检测算法,重点研究了基于几何空间图理论粗精结合的建筑物疑似区筛选、统一框架的多层级上下文信息编码融合以及基于多级上下文语义网的疑似建筑区鉴别方法等关键技术;并基于此构建了整体建筑物检测的算法框架。论文主要工作可总结为以下几个方面:首先,本文提出了一种基于几何空间图理论粗精结合的建筑物疑似区快速筛选算法。本算法基于郊外大视场遥感图像的灰度特征,引入图论的分割方法,获取建筑物疑似区粗分割结果,并根据建筑物自身几何形状特征,有针对性的进行虚警剔除,保证整个模型的精度。同时,提出基于块粒度的建筑物疑似区快速精分割方法,迭代出更精准的分割阈值,从而获取精分割之后的建筑物疑似区。其次,本文构建了一种统一框架的多层次上下文信息编码融合算法,更加充分利用遥感图像中丰富上下文信息,同时,避免郊外建筑物之间存在的类内差异,保证鉴别确认准确性。本方法提出的多层次上下文信息统一框架的编码融合方法,不依赖于具体的建筑物类型,通过构建目标区域、目标周域场景、及目标与周域场景之间的上下文关系,利用视觉词袋特征编码表示方法,获取其目标视觉直方图、场景视觉直方图以及目标和场景叠加之后的视觉直方图实现对三类上下文信息的融合应用。再次,本文设计了一种基于上下文语义网的疑似区鉴别方法。该语义网第一层对建筑物疑似区进行典型部位中层语义特征描述,分类网第二层利用中层语义特征鉴别建筑物疑似区,有效排除虚警。通过本文所提出方法,可对其疑似区进行精准鉴别及分类,即鉴别出郊外建筑物区域并对非建筑物的疑似区进行多分类判别。最后,在上述三项关键技术研究的基础上,本文构建了一套完整的郊外建筑物检测软件系统。实现了在大尺幅遥感图像中,郊外建筑物的快速、精确检测。本文在大量光学遥感图像数据的支持下,采用多层次、多角度的实验方法,对所研究关键技术及整体算法框架的效率及各类关键指标进行了验证与分析。