近些年来了解和掌握植被覆盖变化趋势已经成为了人们日益关注的焦点，不少研究人员做了大量与植被覆盖相关问题的研究，从而对植被资源进行合理、有效、高效的管理，以便促进资源环境与社会经济协调发展。本论文主要针对于对植被信息提取的研究，目前对植被分类的研究比较薄弱，分类精度不高，本文选取朝鲜某地区作为研究区，采用面向对象的方法来研究植被分类的方法，从而提高植被分类的精度。本文利用GeoEye‐1的高分辨率遥感影像，基于面向对象的影像分类方法，对研究区的植被信息进行提取，主要成果如下：（1）研究中首先根据研究区的地质特征和所采用的数据源，对数据进行几何校正和影像融合等预处理。研究中还针对影像融合技术进行了深入分析，提出了小波和IHS相结合的方式，提高了融合的影像的质量和精度，为后期植被信息提取打下基础。（2）本文通过多尺度分割实验，探讨了影像进行分割的尺度问题及其参数的选择问题，得到了基于影像不同特征的最优尺度。在确定了不同地物的最优尺度的基础上，利用面向对象的分类方法，分别针对不同地物的最优尺度，将高分辨率遥感影像大致分为林地，草地，建筑物，裸地，河流5类，并对其结果利用混淆矩阵进行精度评价，精度为90.14%，kappa系数为0.8514.（3）利用基于像元的遥感影像分类方法对同一区域的影像进行监督分类，非监督分类和决策树分类，进行精度评价；结果表明，面向对象的分类方法分类结果精度高于基于像元的分类方法，最后研究中利用最邻近分类法和模糊分类的方法分别对林地和草地进行了细分，实现了高分辨率遥感影像的植被信息提取。