土地利用指的是人类施加于地表的活动,当今人类对地表改造的速度、强度和规模都是史无前例的,利用遥感技术可以快速、有效、动态获得土地利用现状和结构信息,因此应用遥感影像提取土地利用现状信息由来已久。然而,随着卫星遥感影像空间分辨率的提高,影像上表现出更加丰富的结构信息和纹理信息,常规的基于像元的影像信息提取方法不能充分利用影像中的空间信息,致使分类精度较低,不能满足应用要求(85％的期望精度是许多土地利用和土地覆盖图的制作标准)。　　 近年来广受关注的面向对象的遥感分类思想,不仅将光谱信息作为分类依据,同时还将空间结构和纹理信息,甚至包括遥感工作者的目视判读经验和知识一并作为分类依据,改象素基本单元为光谱和纹理特征相似的“均质对象”为基本单元,大幅度提高了高分辨率遥感自动分类精度。　　 本文以桂林市大圩镇为实验区,采用IRS-P6遥感影像,研究土地利用信息的自动提取方案。主要工作结论如下:　　 (1)遥感影像融合对影像分类、特征提取和目标识别具有重要的意义。本文针对印度P6影像LISS-4全色数据和LISS-3多光谱数据进行多种融合实验,融合方法包括HIS变换、Brovery变换、主成分变换和Gram-Schmidt法,并采用信息熵、标准差、相关系数对融合方法进行定量,采用视觉效果对其进行定性评价。分析结果表明,Brovey变换后的图像空间信息详细程度最差；IHS变换后的图像光谱保真能力最差；主成分变换和GS变换方法融合效果图纹理信息清晰,光谱保真度好,适合P6影像影像融合。　　 (2)为研究区每种土地利用类别随机选择的25个样本点,并运用线性判别函数对研究区地类进行判别分析。结果得出单纯基于像元光谱值的信息提取方法的总体精度为72.89％,不能满足应用要求。　　 (3)对研究区进行多尺度分割实验,结果表明两个层的分割体系就能较好的实现各种地类的提取,分割尺度分别为30和10；分类时将研究区DEM数字高程模型辅助成员函数与最邻近距离分类,得到的总体分类精度为93.96％,而最大似然法分类精度只有78.94％。研究表明面向对象分类方法比于面向像元的分类方法更加有效。