随着遥感技术的发展，遥感影像在光谱分辨率、空间分辨率、时间分辨率等方面都得以迅速提高。传统的基于像元的，尤其是基于像元光谱统计的影像处理方式在针对高分辨率遥感影像上存在很多不足。面向对象的图像分析使得处理的对象从像元过渡到了特征基元的对象层次，地物的形状、纹理及相邻地物的关系得到了更好的反映，可以使用的信息也更为丰富，有助于实现高精度的遥感信息提取和目标识别。其中，形状特征对往往具有一定规则形状的人工目标地物提取识别有重要意义。但是，形状描述、相似性匹配等问题很具难度，在遥感信息提取中应用还不完善。　　 本文结合面向对象技术，抓住形状特征的应用这个问题，提出主要基于形状特征的高分辨率影像目标识别方法。文章的主要内容是：　　 （1）对面积、周长、长宽比等一般形状特征和不变矩、转折函数、 Zernike矩、傅立叶描述子等不变性形状特征进行了研究，并对5种不变性形状特征进行了对比实验为后续试验做准备。　　 （2）传统基于像元的图像处理技术难以解决由于地物混杂所带来的椒盐噪声现象。此外，在高分辨率遥感图像上，养殖水面往往呈规则格网状的分布状态，在光谱特征上与水体接近，为此，通过传统像素分类方法难以将水体与养殖水域加以区分。为此，在研究中采用面向对象方法，引入空间关系和形状特征进行规则分类对养殖水域进行了提取。　　 （3）油库在高分辨率遥感图像中是一种典型的感兴趣目标。在高分辨率遥感图像中，油库通常呈椭圆或圆形形状，然而现实中，由于大气、拍摄角度、光照、地面目标和其他景物的干扰，卫星遥感图像中的物体往往会产生变形，再加上噪声的影响，图像中的油库在遥感图像中大致表现为一个近似的椭圆。为此我们在研究中采用先阈值分割，后对二值化目标背景图像进行形态学运算，再在此基础上进行不变性形状特征匹配的方法对油库进行了检索。　　 论文的最后指出了本研究的局限以及今后需进一步展开的研究工作。实验证明这二种方法均能很好识别出目标对象，但也存在一些不足。在下一阶段工作中：　　 养殖水域提取部分，应进一步挖掘基元空间关系等特征的潜力，深化提取规则，以获得精度更高的提取结果；油库识别部分要深入对影像中油库与背景灰度较接近的油库部分进行研究，寻求更鲁棒的识别方法。