利用高分辨率遥感影像能够快速、实时以及动态地对稀土矿区进行对地观测,对稀土矿区可持续发展和生态保护提供了技术支撑。已有的研究大多关注的是利用遥感影像来提取城市的建筑物、道路以及植被等地物,针对稀土矿区复杂的典型地物,本文提出了一种高分辨率影像在稀土矿区典型地物识别中的方法,结合构建的矿区典型地物特征知识库,实现了矿区典型地物的识别。论文主要研究工作和成果如下;⑴构建典型地物特征知识库。通过分析矿区典型地物的多元化特征,建立稀土矿区地物的解译标志;根据已经建立的解译标志结合Opencv图形处理库,获取各个典型地物的直方图特征;选择AdaBoost方法对地物样本进行训练,实现了稀土矿区典型地物特征知识库的构建。⑵选择最佳分割尺度。在区域合并多尺度算法分割的基础上,提出了一种基于知识库的最佳分割尺度方法,对分割后的目标地物计算直方图特征,然后,结合已经建立的典型地物特征知识库选择最适合各自地物的分割尺度;最佳分割尺度的典型地物同时对特征知识库进行扩充。⑶稀土矿区典型地物的识别。选择多幅非同源高分辨率影像作为数据源,以赣南稀土矿区为研究区。通过野外调查和辅助数据确定研究区地物特征;对两幅高分辨率影像分别进行影像预处理;建立典型地物的影像解译标志和特征知识库,利用区域合并的多尺度分割算法对影像进行分割,并通过基于知识库的最佳分割尺度方法选择各个地物的最佳分割尺度;将最佳分割尺度的典型地物结合特征知识库进行识别。⑷精度评定。选择用户精度、生产精度、总体精度以及Kappa系数对识别结果进行分析,其中两幅影像的Kappa系数分别达到了78.75%和79.81%,识别的效果优良,因此,实验表明了该方法对稀土矿区典型地物识别的可行性和普适性。