遥感技术发展速度日益加快,获取的遥感影像分辨率也越来越高;高分辨率遥感影像中所含的信息是低分辨率遥感影像信息的几倍甚至几十倍,要想从中提取出有用的地物信息就需要改善以前的信息提取方法,从高分影像中高效且准确的提取出目标地物是现阶段遥感信息提取的一大热点问题。而建筑物作为遥感影像中重要的地物信息,在城市规划、数字城市的建设中有着至关重要的作用,所以需要研究一个切实有效的信息提取方法对建筑物进行分类提取。本文以在高分辨率遥感影像中运用面向对象的分类方法提取出建筑物为研究内容,以e Cognition软件为平台进行了面向对象的建筑物的信息提取。主要的研究成果如下:1.介绍了现阶段高分辨率遥感影像的信息提取的研究现状和本文主要涉及的相关分割分类的理论知识,并简要介绍了多尺度分割原理与方法。2.提出了一种在阴影和边缘检测辅助下建筑物信息提取的方法,针对遥感影像进行多层次的分割分类,首先将建筑物和其他地物的阴影提取出来,再对未分类区域进行建筑物提取,这样可以提高精度。在分割过程中运用尺度评价工具选取最优分割尺度进行分割。3.运用了改进的Canny算法对遥感影像进行边缘检测,改进的算法优化了传统算法中的噪声误差。并将边缘检测的结果参与分割,将波段权重设置为3,提高了分类的精度。4.运用e Cognition软件的多尺度分割技术,对影像的分割参数、均质因子进行筛选,实验结果表明阴影的最优分割尺度为155,而建筑物的最优分割尺度是205,当分割尺度为85时最适合分割影像中的细小地物。均质因子中的形状因子和紧致度均为0.5时分割效果最好。5.从精度评价的结果可以知道在阴影和边缘检测辅助下的分类方法得到的总体分类精度达到了89.7%,建筑物的精度达到了98.43%,Kappa系数也达到了0.835。分类结果比没有使用辅助条件的分类精度高得多,本文还用实验对比了阈值分类和最近邻分类两种方法的优劣性,并得出最邻近分类比较适合Level2层的分类。