随着科技日新月异发展,并在此助力下,社会也逐步趋向于信息化、自动化,自然学科的发展更是如此,遥感数据的来源越来越多、空间分辨率越来越高,因此对如何利用这些日渐普及的影像数据,得到社会发展过程中所需要的信息,成了摄影测量与遥感专业甚至于计算机视觉专业研究的热点。作为城市发展、人类生活水平等方面的重要标志之一(建筑物)来说,它的信息提取是目前研究的热点中的重点。然而目前的高分辨率遥感影像中的地物细节、纹理、边缘信息等特征相对于传统的遥感影像来说异常丰富,这也使得传统的通过对像元光谱特征分析进行影像建筑物提取分析的需求难以满足,这也是目前高分辨率遥感影像普及全自动化的难点之一。人类的视觉注意机制能从非常复杂的地图中直接找到建筑物的存在,因此本文从视觉注意机制(显著性)的角度出发以建筑物自身特征作为低层特征,并通过多特征信息模板作为先验知识指导,进行显著性建筑物的提取。本文的显著性方法不同于常规的显著性方法,主要体现在先验知识背景模板不单单采用颜色信息而是充分考虑建筑物自身特征,采用颜色、位置、纹理等特征作为特征信息;在选择背景模板时为了能够充分的达到理想效果本文利用了建筑物阴影信息对建筑物粗定位后再确定模板范围,这使得算法在计算显著度时更加准确;通过主成分分析、完备信息分析两种方法达到既能够抑制冗余信息又能够凸显建筑物显著度的互补功效。但是,由于先验知识并不能像人脑一样发达,因此本文的显著性方法只能对相对离散的建筑物进行提取。为了弥补该方法的劣势,同时又避免使用传统的基于像元光谱的方式,本文提出并采用了高效的利用频谱特征信息对建筑区进行提取。主要是利用建筑物频谱特征分析,找到频域中建筑物的主体中心频率以及高频边缘中心频率,同时利用多边形频谱垂直的特点,以及建筑区剖面线波峰规律两种方式得到建筑区的主方向,在主方向上对上述中心频率进行滤波、逆变换从而得到空间域的建筑物提取图。