近年来，遥感技术取得了巨大进展，高空间分辨率遥感数据便是其中之一。高分辨率遥感数据广泛应用于测绘、农业、林业、城市规划、国土资源管理、地质矿产勘察和军事等领域，它们的出现给遥感应用带来了前所未有的活力。遥感数据在空间分辨率提高的同时，数据量也成几何级数增加，传统的目视解译提取专题信息的方法已经远不能满足用户的需求。因此，计算机智能解译就成了解决这一问题的唯一有效途径。 现有遥感影像解译算法很多，大体上可以归为基于像元分类方法和面向对象的影像分析方法两种。前者适用于中、低空间分辨率影像信息提取，后者适宜处理中、高空间分辨率影像数据。面向对象的影像分析方法已经在诸多应用领域表现出了明显的优势。目前，国内还没有针对中高分辨率遥感影像面向对象的影像分析系统，严重制约了中高分辨率遥感影像在各行各业中的应用。因此，系统地研究中高空间分辨率遥感影像信息提取技术，开发遥感影像智能解译系统显得尤其重要和迫切。本文在此基础上进行了深入研究，主要研究成果如下： (1)本文提出了一种新的面向对象的遥感影像智能解译框架体系VHRIII(Very High Resolution Image Intelligent Interpretation)，综合应用图像处理系统对像元操作的优势与地理信息系统平台对矢量对象操作的优点，结合数据挖掘关键技术中的智能计算方法，实现遥感影像从像元到分割单元再到专题信息的过程。通过影像分割实现栅格影像数据对象化；通过矢量化与特征提取实现栅格对象到空间数据库质的跨越；通过基于矢量对象的训练与分类最终实现影像到专题信息化的过程。值得提出的是该方法也适合于中分辨率遥感影像信息提取。 (2)总结了中、高分辨率遥感影像分割的八项基本要求，重点研究了影像分割方法。引入一种非参数密度估计——均值漂移算法实现遥感影像的多尺度分割，并开发了中高分辨率遥感影像分割与信息提取系统。分割过程由三个具有一定物理意义的参数控制(h_s、h_r、M分别表示空间尺度、色彩尺度、最小区域面积尺度)，通过参数控制从下至上的逐步融合从而实现对影像的多尺度分割。 (3)通过大量参数选择与分割试验证明了本文提出的分割算法是一种快速、稳健方法，能够实现与视觉分割一致的结果，并且尺度参数选择对分割精度相对不敏感，