城镇化进程的加快,使得城市中的建筑物也在不断的发生各种各样的变化。为了更好的进行城市的建设和规划,需精确、及时的掌握建筑物的改变变化信息。建筑物是城市、村庄的重要成分,同时也是地理信息系统的基本要素之一,实现对建筑物的有效识别显得尤为重要。针对目前的遥感技术对建筑物难以实现高精度的提取问题,本研究提出一种基于引入红色边缘波段规则的面向对象和基于样本的面向对象相结合的方法,提取城市建筑物信息。以广州市天河区试验区为例,首先,使用NNDifuse Pan Sharpening方法对World View-2影像的全色和多光谱进行数据融合,基于融合后的影像进行尺度分割;然后,根据建筑物的光谱特征、形状特征和World View-2的红色边缘波段（Red Edge）的纹理特征建立双层规则知识库,进行建筑物信息的提取;同时,利用支持向量机（Support Vector Machine,SVM）方法对World View-2影像进行建筑物信息提取;最后,对两种方法获取的建筑物信息结果进行融合,以实现对建筑物的高精度提取。本文的主要研究结论如下:（1）基于样本的面向对象法、基于规则的面向对象法、基于引入红色边缘波段规则的面向对象法以及本文方法的F1（F1-score）分别为83.25%、84.29%、89.54%、93.78%。本文方法的精确率与召回率分别为96.35%、91.35%,比基于样本的面向对象法高出11.46%、9.69%,比基于规则的面向对象高17.84%、0.35%,比基于引入红色边缘波段规则的面向对象法高1.03%、6.92%。由此可见,本文方法的错分率和漏分率较低,在建筑物提取数量上效果最好。（2）为了进一步验证建筑物的提取效果,本文引入面积偏差进行精度评价。基于规则的面向对象法的偏差最大值、偏差最小值及中误差均为最大,分别为:2.57、0.05、0.60;其次是基于样本的面向对象法、基于引入红色边缘波段规则的面向对象法,而本文方法的建筑物面积偏差最小。其中,偏差最小值为0,说明该类建筑物提取的非常准确。（3）本文方法不管是在建筑物数量上,还是在建筑物面积上,均比其它三种方法的精度高,为高分辨率遥感影像建筑物信息的识别提供了有效的手段。