水稻是世界主要粮食作物之一,也是中国70%人口的主粮,快速而准确地获取水稻分类信息,不但能够实时监测水稻的长势,还可以提供及时、准确的农情信息,对制定农业政策和促进我国精准农业的发展都具有重要的意义。如今,随着高分辨率遥感影像的普及,在基于面向对象的地物提取工作中使用影像的分辨率也越来越高,虽然已有不少学者通过提出改进的各种遥感分类方法来获取高分影像中的地物信息,但是在国产无人机高分辨率遥感影像中的水稻提取研究却较少,因此对于无人机高分辨率遥感影像的水稻信息提取仍需进一步研究。本文通过无人机野外获取的高分遥感影像数据对水稻提取方法进行了深入研究。首先在基于面向对象的分割技术下对影像数据中的地物进行分割和特征分析,然后建立地物分类体系,并通过引入统计学理论的置信区间概念和专家先验知识来确定分类规则阈值,最后在基于面向对象规则集分类方法下构建多层次地物分类模型,通过该模型实现对水稻的分类提取。主要研究内容及成果有:(1)根据研究区的水稻实际种植情况,调查了水稻的生长特点,通过无人机遥感影像详细分析了水稻与其他地物类的光谱、纹理、几何等影像特征信息,并建立了地物分类类别体系。(2)通过面向对象的分割技术对无人机遥感影像的各类地物进行影像分割实验,并对几种常见的影像分割方法(棋盘分割法、四叉树分割法、光谱差异分割法和FNEA多尺度分割法)进行分析对比,其中FNEA多尺度分割方法具有较好的分割高分辨率影像地物边界的能力,并优选出各类地物的分割尺度和分割参数。(3)研究了基于面向对象分类中的基于规则集分类法和基于样本分类方法(支持向量机、贝叶斯),并在规则集分类方法下通过引入基于统计学理论的置信区间概念和专家先验知识来确定分类规则阈值,提出了多层次分类模型的水稻提取方法。通过混淆矩阵中的生产精度、用户精度、总精度和Kappa系数这几项精度检验指标对分类结果的精度质量进行评价和分析,实验表明多层次地物分类模型结合基于面向对象的规则集分类方法在水稻信息的提取中有着不错的效果,尤其是在对比基于小样本训练的情况下,该模型的分类精度要明显优于单一规则集分类和基于样本监督学习的分类精度。(4)提取水稻面积,通过Arcgis软件计算各类方法提取的水稻面积,并与目视解译提取的水稻面积进行误差统计分析,从面积误差上评价各种分类方法在高分辨率无人机遥感影像中提取水稻面积的准确性、适宜性。