作为广泛分布在山地丘陵区坡地上与等高线基本平行的阶梯式农田,梯田的建设综合考虑了当地的自然地形地貌特征和实际的生产生活需要,有利于从根本上解决人口和粮食的矛盾,具有可观的经济效益和社会效益,而梯田信息的获取为区域农业生产布局提供了重要数据基础。梯田信息的分析、分类、提取技术大致分为基于目视解译、单个像元、对象分析、频谱纹理的四大类方法。各类方法各有优缺,由于其复杂性和局限性,在实际的应用中存在着一定的难度,并且对于具有差异性的不同地物也存在一定的不适用性。高分辨率遥感影像包含丰富的光谱、纹理、形状等特征信息,能够充分反映目标物的地面信息。为了避免分类精度较差、“同物异谱”和“异物同谱”的现象以及噪声干扰的问题,选择了遥感影像的纹理信息为主要研究对象,作为主要的分类依据对梯田对象进行提取。基于纹理特征的提取方法不依赖于影像的颜色和亮度,反映的是影像中物体表面的同质现象,有助于进一步对地物类别进行判读,对于梯田这样纹理特征突出的地物来说具有一定的必要性和优越性,这也是本文分析提取梯田对象的重要依据。因此,在谷歌地球所提供的高分辨率遥感影像中,选取具有典型纹理特征的梯田作为研究对象,从空间域和频率域两个方面出发,对比分析空间卷积滤波和快速傅里叶变换等方法,对梯田的独特纹理进行分析和增强,以抑制冗余数据和干扰信息的影响,提高对象提取的准确性和有效性。基于小范围区域梯田提取的试验,在研究区中选取较大尺度的影像进行梯田纹理增强并提取梯田对象,最终提取结果的验证精度达到80%以上,相比于基于光谱信息提取梯田的方法,在整体上取得了比较理想的提取结果。从增强的效果来看,陡坡梯田的效果最好,其次是缓坡梯田和平地梯田;但在提取过程中陡坡梯田受到的噪声干扰更加突出使其提取结果反而不如缓坡梯田和平地梯田。本研究一定程度上说明了基于高分辨率影像的纹理特征提取梯田信息的可行性,以期为大范围的梯田信息提取提供思路,提高遥感影像解译的精度和效率,解决高质量数据和处理方法不匹配的矛盾,以更好地适应现在的大数据环境。