对遥感影像中的建筑物进行提取是一个经典课题。建筑物作为城市的核心功能设施,对它的详细掌握能够帮助人类使城市更好地发展。传统的对建筑物提取都是基于像素的,即判断影像中的每一个像素是否为建筑物部分。但这样提取的建筑物边界会不准确,且由于每幅图像的情况不同,会导致提取结果在不同图像上的差异会较大。随着遥感影像分辨率的提高,面向对象的提取方法越来越重要。面向对象的方法需要对形状特征进行分析。传统的形状特征有矩形度、非对称性等,但这些对于建筑物来说都不是很好的提取特征。本文提出了一种有效的面向对象的建筑物提取方法,其结合了一种新型的形状特征指数,其具体的实现方法如下:先对影像选择合适的分割方法进行有效分割,形成目标对象。设计有效的形状特征,将其与目标对象的光谱信息结合,使用支持向量机分类器进行建筑物的分类提取。本文围绕面向对象的建筑物提取,主要做了以下研究工作:(1)对经典的基于像素的建筑物提取方法做了分析研究。分析了常见的灰度共生矩阵和形态学建筑物指数。研究发现,基于像素的提取方法确实有存在边界不清晰,提取和分类结果模糊的特点,对这些缺点进行了归纳总结。(2)提出了一种改进的MRF图像分割方法。分水岭和活动轮廓模型等分割算法自动化较差,需要人工提供初始值(种子点和轮廓线),而传统的MRF分割对噪声过于敏感。实验结果表明改进的MRF分割算法更能保留细节,抗噪能力也更好。(3)提出了一种新型的描述目标形状的规则指数。该指数描述了目标形状的规则程度并用数值来体现。人工建造的建筑物具有轮廓笔直规则的特点。最终实验结果表明,使用该指数与光谱信息结合,并用支持向量机分类器进行分类提取,其总体精度达到90%以上。