高空间分辨率遥感数据是遥感技术发展的一个重要方向。对于高分辨率遥感影像的研究和应用也越来越多。由于其数据量大、信息量丰富、光谱信息复杂,它的处理也成了一个难点。传统的基于像元的遥感分类技术对于高分辨率遥感影像的处理效果不够理想。于是,有些学者将面向对象信息提取技术运用到遥感影像的分类中,大大提高了高分辨率遥感影像的分类精度。面向对象分类方法将遥感影像分割为一系列的影像对象,利用对象的光谱、形状和纹理等特征,采用模糊分类方法实现分类信息的提取。这种方法特别适合高分辨率遥感数据的信息提取。本文以辽宁本溪市某露天矿区的SPOT5数据为实验区,运用面向对象分类技术来研究矿山遥感调查信息的提取,并与传统的分类方法进行了对比分析。首先,针对实验区地物类型,采用面积比均值法分析了最优分割尺度,选择了三个尺度等级对影像进行了多尺度分割形成了分割等级网络。然后,结合具体地物特征,选择对象的光谱特征、纹理特征、形状特征和类相关特征等,建立分类规则库,采用隶属度函数法结合标准最邻近法对影像实行了分类,提取了实验区地物类别信息。最后,对分类结果进行了精度评价,并且统计各个图斑的面积和坐标,将分类结果图与经野外验证的目视解译图对比,进一步分析分类图斑的坐标精度和面积精度。此外,运用传统的分类方法(最大似然法)对实验区遥感数据进行分类,与面向对象分类结果进行精度对比分析。得出结论,面向对象分类法比基于像元的分类法精度更高,更适合于高分辨率遥感分类。所提取的地物类别的位置属性和形状特征与真实地物有较高的一致性。面向对象分类结果图的信息可以满足矿山遥感调查的生产应用。建立了露天矿山信息面向对象分类法的分类规则和技术流程,弥补了国内该技术在露天矿山遥感调查应用中的空白。为进一步的研究和应用奠定了良好的基础。