土地利用数据是国土资源管理最重要的基础数据之一,它对国家社会、经济、环境保护等众多领域的决策制定都有着重要意义。随着我国现代化建设的高速发展,对土地利用信息的需求有高现势性和高精度的要求。以高空间分辨率(以下称为“高分”)遥感影像为数据源进行信息提取,是目前获取范围广、精度高、大比例尺的土地利用数据最高效的手段。然而,高分影像本身丰富的信息和复杂的组织结构给智能化土地利用信息提取带来了前所未有的挑战。针对这个问题,本文展开了深入研究。通过分析土地利用信息在高分辨率影像上的表征,本文发现,与中低分辨率的影像不同,造成在高分影像上信息提取困难的症结在于:一种土地利用类型通常包括多种地表覆盖,形成了异质性大、结构复杂的组合区域,直接导致传统的特征描述方法不再具有备有效的可分性。通过探讨高分辨率影像自身的特点并结合目视解译的规律,本文提出了以地理相关性为组合区域进行有效表达的这一关键思路;并围绕地理相关性,展开了 一系列研究。为了对地理相关性进行有效建模描述,本文在像素级别上对图像作保持边缘的低层空间相关性提取,以局部均质的小图斑代替像素作为特征描述的基本单元。在此基础上,本文探索了多种角度下的地理相关性的表现,进而实现不同的特征空间中的提取多种地理关联特征,其分别是:光谱空间的类别面积比和类别共边比,尺度空间的密度级别面积比,以及代表几何特性的线状属性——这些地理关联特征正是地理相关性的量化指标。地理关联特征与以往的特征计算方式的不同处在于,前者是通过基本单元的空间邻接关系来表达复杂的组合区域内的稳定结构,不需要后者所需的类别是均质的这一前提条件。分析地理关联特征的特点,发现其有定义在离散多维特征空间、数据长度不定等特点,为此本文提出基于EMD(Earth’sMoverDistance)的地理关联特征的相似性度量函数。该方法有良好的灵活性,其计算结果与视觉感知结果表现出高度一致性。在分析不同的地理关联特征与土地利用专题的信息人工解读过程之间的关联性之后,本文根据认知过程从简单到复杂,从模糊到精确的规律,采用层次化的方法将多种地理关联特征结合使用。在分类策略中,为了保证信息提取的准确性,本文提出了样本混淆集的概念,通过样本集合分析生成的混淆集被用于邻域生长过程,起到保证邻域信息充分性的同时,还能够抑制源于误导性邻域信息的干扰作用。只有在通过基于混淆集的区域合并策略,保证未归类的区域有足够的邻域信息的情况下,分类策略在合并区域的基础上实施最终的归类操作。浙江省有土地利用类型丰富、组成繁杂破碎的特点,以浙江省0.5米分辨率的航空遥感影像为数据源,本文对提出的方法进行了实验以检测其有效性。从结果来看,地理关联特征和分类策略能够实现在高分辨率影像上提取完整的土地利用区域,有效地解决了其高异质性和结构复杂的问题。