作为数字摄影测量的重要信息来源，航空影像中的关键地物提取是摄影测量与遥感以及计算机视觉等领域的国际前沿课题，有着十分重要的理论和现实意义。从城市航空遥感影像中提取关键地物的研究主要集中于建筑物和道路两个方面。第一章介绍了相关的研究现状，指出已有的基于模型匹配的方法，对于现代城市中具有重要意义且形状复杂的高层建筑物和主干道，还不能形成有效的提取。然而人类却能几乎在瞬间辨识出这些物体的存在和位置。因此，研究和模拟人脑认知机制和能力是解决这一问题的重要方向。 第二章首先介绍了人工智能研究领域关于人脑认知机理的一些最新研究成果。进而，结合航空影像关键地物提取的具体情况，建立了在人脑知识指导下的航空影像认知的系统框架及实施步骤，提出并详细阐述了基于物体OAR(物体-属性-关系)模型的目标自动提取策略，以及基于物体属性和关系的推理认知过程的具体实施步骤和方法。 第三章研究了基于人眼视觉模型的航空影像增强和阴影消除方法。Retinex模型给出了人眼视觉感知机制的良好模型，然而该方法在较强光照条件变化时还存在一定的不足。为解决这一问题，本章提出了一种阴影检测的方法，并在此基础上，提出了一种能适应影像光照强度变化的模糊Retinex算法。实验结果表明，本文提出的方法取得了较好的影像增强和阴影消除性能。 第四章阐述了建筑物的自动提取方法。首先建立了建筑物的OAR模型和基于OAR模型的提取系统框架；其次，给出了一种简单有效的垂直边缘灭点坐标确定方法，并提出一种自适应模糊Hough变换直线提取算法，实现了垂直边缘检测；再次，提出了一种基于Radon变换和时频分析的建筑物窗户纹理分析描述方法，并用其验证了垂直边缘的准确位置和确定了局部墙面的水平方向；最后，提出了一种直线Snakes算法，综合各方面信息提取出完整的屋顶轮廓，实现了单视角高分辨率航空影像中高层建筑物的自动提取。 第五章讨论了道路的自动提取方法。首先结合主干道的OAR模型描述，提出了一种新的主干道路描述子：对称边缘方向直方图(SEOH)，并建立了基于SEOH的主干道提取系统框架；其次，提出了一种估计数据空间分布特性的模糊C-均值聚类算法，在影像分块计算SEOH的基础上分割提取出主要道路种子；最后，采用Snakes算法在较全局的意义上融合道路的特点提取出完整的主干道网络。实验表明本文方法较好地解决了主干道的自动提取问题。