工业固体废物污染问题在国际已经被认为是十大环境问题中的一个。随着我国工业化进程的加快，工业固体废物的排放量和堆存量也在大幅度增加。尽管环保技术的发展已使部分工业固体废物能够被回收，甚至被利用，但人们处理固体废物的方法更多的是采用集中堆放。工业固体废物的堆放会妨碍景观，而且工业固体废物中含有的有害物质会通过降雨和渗透作用进入土壤，造成地下水的污染，甚至将土壤中的微生物杀死，破坏生态平衡，形成工业固体废物的二次污染。因此采用科学有效的方法对其进行监测和管理，降低工业固体废物对环境的污染是非常必要的。在此，遥感监测起到了重要的作用。工业固体遥感影像分类作为工业固体遥感监测的有效途径，其分类精度的高低直接影响到监测结果的准确度。然而传统的遥感影像分类大多是基于像素级别的分类方法，没有综合考虑影像的多个特征信息，这导致分类精度不是很高。针对此，本文提出了一种面向对象的工业固体废物遥感影像分类方法，该方法综合考虑了影像的光谱、形状和纹理信息，采用图论与支持向量机（SVM）相结合的方法对遥感影像进行了分类处理。本文的面向对象的工业固体废物遥感影像分类方法包括以下几个步骤：（1)在遥感影像预处理的基础上对其进行四叉树预分割；（2)分别计算每个分割块之间的光谱相似度、像素之间的匹配度、纹理相似度，从而获得相应的权值分量；（3)运用图论中的R-cut割集准则对影像做进一步的多特征分割；（4)使用SVM对上述分割结果做分类处理，得到最终的分类结果。本文方法综合遥感影像的多个特征，并且把图论与SVM相结合对工业固体废物遥感影像进行分类。实验证明：与传统的分类方法：马氏距离法、光谱角制图、SVM等分类方法进行比较，本文方法所得的总体精度和kappa系数都要比它们高，因此，本文方法可以有效地用于工业固体废物遥感影像分类处理。