不透水面的研究对于城市规划、城市生态文明建设和海绵城市建设有着重要的意义。随着航空遥感技术的进步,传统的卫星遥感技术逐渐向小型化、轻量化的无人机遥感技术转变。无人机遥感能够低成本、高效率地获取高分辨率影像,同时,无人机低空影像匹配点云作为一种新型的地理空间数据,在智慧城市空间数据框架建设中占据越来越重要的地位。从无人机遥感技术获取的正射影像中,准确高效地提取出不透水面的难点在于:无人机低空遥感影像与卫星遥感影像相比波段相对较少,光谱范围仅存在于可见光波段,在此波段范围内提取不透水面的难度较大。因此,研究一种能够从无人机遥感影像中快速提取不透水面的方法势在必行。本文通过对不同波段组合的光谱特征空间进行分析,构造了一个可见光波段遥感指数,在此基础上,结合匹配点云数据,提出一种新方法应用于无人机遥感不透水面信息提取中。主要研究工作如下:(1)以Landsat8 OLI影像为数据源,利用IBI、NBI、NDBI、PII、RRI、UI这6个指数对不透水面进行提取。通过对提取结果和提取精度的分析,本文采用与PII指数构造方法相同的线性组合型指数构造方式,在可见光波段范围内建立Green-Blue光谱特征空间,综合土壤线及不透水面线,构造了能够将土壤、植被像元与不透水面像元有效分离的绿-蓝不透水面指数(GBISI)。为验证GBISI指数对不透水面提取的精度,以GF-2号卫星影像为数据源,利用6个指数中提取结果较好的PII指数和RRI指数与本文构造的GBISI指数分别对不透水面进行提取。结果表明,GBISI指数的提取结果总体精度达到了95%,高于RRI指数提取的总体精度。验证了GBISI指数的有效性,为无人机遥感影像提取不透水面提供了支持。(2)基于运动恢复结构(SFM)和CMVS/PMVS密集匹配算法对研究区低空影像进行密集点云的重建,并生成数字表面模型(DSM)。以布料模型滤波(CSF)方法对点云进行滤波,获得研究区的地面点和非地面点,对地面点插值生成数字高程模型(DEM),并以DSM与DEM的差值表示归一化数字表面模型(n DSM)。根据n DSM高程值统计图和不同地物在Green-Blue光谱特征空间中的散点图,分别确定n DSM的阈值及适用于该研究区内的GBISI指数。最后,利用GBISI指数结合n DSM的方法对无人机低空正射影像进行不透水面提取,并与单纯利用VDVI指数方法和GBISI指数方法提取的结果进行对比与精度分析。精度评定结果表明,GBISI结合n DSM方法对不透水面提取的总体精度最高,达96.95%,比GBISI指数方法的提取精度提高了2.85%,且比VDVI指数方法的提取精度提高了11.33%。最后,本文通过对n DSM的阈值限定,将不透水面细分为建筑和道路,并进行不透水面制图。本文研究结果表明,Green-Blue光谱特征空间下构造的GBISI指数能够有效分离土壤像元,提高不透水面提取的精度。得益于无人机低空遥感技术能够获取地形特征的特点,匹配点云数据的引入不仅解决了建筑物屋顶因植被覆盖导致的错分问题,同时,能够将不透水面进一步细分出建筑物和道路。研究证明了匹配点云数据结合GBISI指数的不透水面提取方法能够作为一种新的方法应用到无人机遥感影像不透水面信息提取中。