由于地理环境的限制以及管理措施的不当,作为中国传统文化遗产重要承载体的古村落正日渐消亡。随着人们对文化遗产保护意识的增强,以及相关政策的出台,古村落保护逐渐受到国内外学者的关注。遥感技术和人工智能的高效快捷,较之传统的人工统计测绘,为古村落动态信息管理保护预测平台的建立提供了科学有力的保障。遥感影像地物要素的分类识别研究是整个遥感分析解译的核心内容。对于蕴含丰富的地物要素特征的高分辨率遥感影像而言,仅仅采用传统的分类方法会导致分类精度低、空间数据冗余和资源的极大浪费,且无法满足实际应用的时效性需求。因此,高效、智能化的高分辨率遥感影像地理信息分类识别方法成为当前乃至今后遥感信息处理领域的研究热点。本文以古村落高分辨率遥感影像为研究对象,按照“遥感影像预处理——影像分割——影像分类识别”为主线,围绕古村落高分辨率遥感影像分类识别算法展开具体的研究和论述。(1)针对影像中存在的不可抗拒现象——阴影,本文结合古村落高分辨率遥感影像阴影的特性,选用具有人眼视觉特性的脉冲耦合神经网络进行阴影处理。然而,当影像中非阴影区域存在亮度和色度相近或低于阴影区域的亮度和色度的实体时,传统的PCNN总是出现错分误检。由此,本文构建了具有双阈值调节机制的新型脉冲耦合神经网络DTPCNN模型。(2)针对影像中地物要素的多样性和复杂性,提出基于面向对象与集成学习思想相结合的高分辨率遥感影像分类识别算法。该算法首先对影像进行多尺度多特征分割,继而提取光谱特征和纹理特征作为分类识别环节的输入,最终由以Ada Boost算法训练SVM基分类器构成的集成决策分类器进行最终的分类识别。