中文摘要：

传统的基于像元层次的遥感图像分析方法存在诸多不足，且针对高分辨率遥感图像，许多方法还存在过分任务依赖性造成技术分散化、不够系统、且信息提取中尺度因素考虑不够全面等缺点。本研究结合面向对象的遥感图像分析新思想，提出面向高分辨率卫星遥感图像信息提取的多尺度特征耦合技术模型。模型将自顶向下的大尺度大区域划分和自底向上的特征基元融合结合起来，在全局空间结构知识的指导下进行多尺度多特征的信息提取。在模型的指导下，利用计算机视觉、模式识别与人工智能技术，融合地学专家知识，发展针对高分辨率遥感图像的图像预处理、分割、特征的表达与提取、分类、知识推理技术。而后进行方法集成，开发软件原型，以此开展城市基本空间构成要素如道路网、交通枢纽、水系、建筑群、广场等目标的信息提取试验，为城市形态分析、城市动态扩散与趋势预测提供服务。

结论摘要：

高空间分辨率遥感图象信息提取是目前遥感应用领域的热点和难点问题。我们的主要成果包括1）提出了基于特征基元的遥感图象信息提取技术模型，通过多特征耦合分析基础上的图象分割、特征分类、知识推理等手段实现图象信息提取过程。2）发展了为高空间分辨率遥感图象多特征分析服务的一套方法库。其中包括基于数学形态学尺度空间概念的图象聚类分析方法、光谱、形状多特征结合的图象分割方法、纹理和非线性分类器相结合的大尺度大区域划分方法等等。3）进行了高空间分辨率遥感图象信息提取与目标识别的方法研发和应用。以前述方法库为支撑，对包括道路、居民地、桥梁、船舶等在内的多种地物目标进行了提取实验，发展多种提取方法，取得良好的应用效果。4）进行了方法集成并进一步发展完善了目标识别原型实验平台。该软件原型目前已包含图象预、后处理、分割、分类、多类目标识别等功能。本研究成果对于发展完善遥感图象处理与信息提取、目标识别的理论技术方法,从而提高遥感图象理解的智能化，自动化程度等方面具有重要意义。