随着Ikonos、Quick Bird、Spot5、Cosmos、OrbView等高分辨率遥感影像的出现,从遥感影像上自动、快速、精准地提取城市目标地物信息,如房屋、道路等,已经成为当前高分辨遥感图像信息提取与应用的研究热点。近年来,人工智能领域的发展使遥感影像地物信息的自动提取模型从注重形状特征、光谱特征、纹理特征等个体研究模型,发展为注重全局知识发现和对象间联系的语义模型。空间语义模型是将图像作为基本的分析对象和语义环境,着重从图像理解的角度,充分利用图像上下文信息,分析其空间语义特征和属性语义特征,进而建立完善的语义网络模型,实现空间知识的表达。房屋作为重要的城市基础地理信息,它的自动识别和精确提取对GIS数据获取、影像理解、大比例尺制图以及其他许多应用都具有重要的意义。本文在介绍空间语义模型特点及构建流程基础上,分析了高分辨率遥感影像房屋信息特征空间和上下文信息,然后应用边缘检测、边缘跟踪和区域分割等方法提取房屋的特征标志,为空间语义模型的建立提供候选节点,根据节点间表现的不同尺度和不同语义链接关系实现单元语义网络模型的表示,在此基础上应用语义网络间的复杂链接关系,将单元语义网络模型联系为多尺度语义网络模型,最后按照Milko Marinov提出的语义模型转换思想,将语义网络模型转换为由多个函数构成的逻辑模型,然后应用Prolog编程语言完成语义模型的程序化,并对不同语义对象如矩形、人字形、多边形和圆形房顶的房屋实现自动提取。全文共分为五部分,第一章分析了基于语义模型的遥感影像中房屋自动提取的研究现状,阐明了本文的研究意义、研究内容、研究目标和研究方法,并说明本文研究的数据处理方法和工作路线。第二章详细介绍了基于本体论的语义网络模型理论,包括语义网络模型的结构、知识表示及推理机制。第三章是本文的重点,分析了Quick Bird影像的房屋局部上下文信息、全局上下文信息以及不同的特征空间信息,并采用边缘跟踪和区域分割等方法实现数据处理,进而应用空间语义模型理论建立初始的房屋语义网络模型。第四章应用房屋语义网络模型进行自动提取实验,通过模型锻炼完善房屋语义网络模型,并实现空间语义模型的评价。第五章总结本文的研究,分析本文的创新之处,并指出不足。