随着空间分辨率的提高，遥感影像中地物目标呈现更加精确的几何结构和更加细致的细节特征，为地物目标的提取奠定了数据基础，但同时亦为其带来更大的难度。首先，需要考虑的问题是如何有效地建模地物目标几何结构，使之适用于地物目标提取要求；其次，空间分辨率的提高在减弱地物目标内观测数据同质性的同时，亦减弱了地物目标间、地物目标与其背景间观测数据异质性，极大地增加了数据建模的难度。为解决上述问题，论文提出一种基于标识聚类的点过程方法和统计建模相结合的地物目标提取策略。论文的主要工作如下。
　　(1)利用点过程理论建模地物目标几何结构。提出一种简单多边形构建方法，将其纳入到聚类点过程理论框架下，构成标识聚类点过程；采用标识聚类点过程中的聚类点所构建的简单多边形作为地物目标标识，以刻画地物目标的空间分布及其几何形态；
　　(2)建立结合几何结构及观测数据的地物目标提取模型。利用地物目标、背景区域内观测数据的统计一致性、地物目标与背景环境间观测数据的统计差异性建立地物目标数据模型，并结合几何和数据模型建立地物目标提取模型；
　　(3)设计地物目标提取模型的优化模拟算法。设计实现基于可逆跳变马尔可夫链蒙特卡洛(Reversible Jump Markov Chain Monte Carlo, RJMCMC)模型的优化模拟算法，根据地物目标提取模型，设计六个移动操作，分别为更新参数、增加多边形、删除多边形、增加多边形节点、删除多边形节点以及合并多边形操作；
　　(4)验证地物目标提取模型。设计基于合成孔径雷达(Synthetic Aperture Radar, SAR)影像溢油目标、基于多光谱影像岛屿和湖泊目标以及基于激光探测与测量(Light Detection And Ranging, LiDAR)点云数据建筑和树木目标的提取算法，从而验证了提出算法的可应用性和有效性；
　　(5)精度评价。为了验证提出算法的有效性，分别采用外延区评价、混淆矩阵评价等评价方法对实验结果进行定量评价，采用目视判读方法对实验结果进行定性评价，实验结果表明：提出算法能够有效地提取具有任意几何形状的高分辨率遥感影像地物目标。