遥感影像信息提取一直是遥感领域的重要内容,如何解决地物类型的二级分类特别是植被的二级分类,并满足一定精度,是遥感分类中的一个关键问题,具有十分重要的意义。遥感影像的传统分类方法是基于象元的分类,不能有效利用影像的空间、纹理等信息,分类结果会出现椒盐现象,精度不高；面向对象分类方法可以结合多时相、多源遥感数据,利用光谱、空间、纹理等信息,基于对象进行分类,从本质上克服了传统方法的不足,提高了分类精度。但是面向对象分类多是基于高分辨率遥感影像的,运用中分辨率遥感影像进行地物复杂的大范围地区土地覆盖信息提取的报道还很少。本文基于此,以HJ-1CCD和Landsat5TM中分辨率遥感影像为主要数据源,借助DEM等其他辅助数据,利用面向对象分类方法,以eCognition为软件平台,对京津冀地区遥感影像二级信息进行提取。由于研究区范围大,地物类型复杂,采用划分作业块分块分类,选取两个典型代表区(平原和山区)作为试验区,利用多尺度分割,对不同地物设置不同分割参数,建立不同提取规则进行分层提取,各作业块分类完成后,经过拼接等后处理,得到京津冀地区的分类结果。研究得出的主要结论如下：1针对平原和山区进行多尺度分割试验,得到适合不同地物的最适宜的分割尺度。根据目视判别结合提取目的确定最适宜的分割尺度及参数,采用多尺度分割的方法,先在较大尺度20上提取光谱特征均一的地物,如湿地、裸土等；对植被、非植被及其部分二级类别在较小尺度10上进行提取；对细小地物类型,如针叶林、平原区林地等在小尺度5上进行提取效果较好。根据提取目的分层提取地物,可以有效避免不同地物之间的混杂,较好地将不同地物区分开,为下一步利用面向对象分类方法进行信息提取有很大帮助。2在多尺度分割的基础上,结合多时相、多源遥感数据及DEM等辅助数据,灵活运用影像的光谱特征、波谱角分类方法,对京津冀地区地物信息进行提取,较好地解决了中分辨率且地物复杂的大范围地区遥感影像的二级信息提取问题。面向对象分类方法利用的特征信息包括光谱、几何、纹理、空间信息等；例如：区分居住地和交通用地、水库／坑塘和河流时,利用长宽比信息等。其中大多数地物的提取都根据其光谱特征进行提取；常绿针叶林和落叶阔叶林的提取借助冬季影像可以有效区分开；山区中旱地、居住地的提取,借助DEM、坡度等辅助数据,可以大大减少其错分现象；平原区林地图斑较小,提取比较困难,本文通过比较利用波谱角分类方法进行提取,可以较好地将其从旱地中提取出来。3通过面向对象分类结果的精度验证及与传统最大似然法进行对比,表明面向对象分类方法的精度较高,可以适用于中分辨率且地物复杂的大范围地区遥感影像的二级信息提取。平原区面向对象分类方法的分类总精度为91.51%,Kappa系数为0.89,比传统最大似然法的总精度72.69%提高了18.82%,各类地物提取精度都有提高,特别是利用波谱角分类大大提高了平原中林地的提取精度。山区面向对象分类方法的总精度达到了83.65%,kappa系数为0.81,最大似然法的分类精度为67.82%,精度提高了15.83%。利用未种植或收割时期影像及冬季影像等多时相数据,以及DEM等辅助数据,使旱地、针叶林的提取精度有了很大提高。对京津冀研究区进行精度评价,一二级精度分别为90.43%和82.97%,达到了项目和影像分类对精度的要求,因此,面向对象方法可以适用于中分辨率且地物复杂的大范围地区遥感影像的二级信息提取,并为其提供了一个可供参考的技术流程。