遥感作为对地全方位观测的技术手段,能够有效辅助野外地质调查工作。随着遥感技术的进步,遥感影像的空间分辨率和光谱分辨率得到很大提升,基于高分辨率遥感影像的地质信息提取和解译研究受到广泛关注。然而,由于自然地物的复杂性,野外地质体的精细解译多通过人工目视解译完成,消耗大量人力的同时效率不高,遥感地质智能解译方法亟待发展。本文使用Worldview-2高分辨率立体像对和Sentinel-2多光谱卫星影像,基于机器学习方法和图像边缘检测方法开展地表构造遥感解译的方法研究,并以外业工作困难,构造相对复杂的库车前陆褶皱冲断带东段吐格尔明背斜为例,开展地表构造遥感解译工作。主要内容和结论如下:（1）分别使用最大似然法、支持向量机、神经网络、随机森林和面向对象多种遥感影像分类方法对吐格尔明背斜Sentinel-2影像开展地层分类工作,对比分析分类效果,结合相关地质资料和目视解译,完成地层精细划分工作。由于研究区野外地物“异物同谱”、“同物异谱”现象复杂,基于机器学习的地层分类工作仍然需要人工参与后处理,其中随机森林方法分类速度快,整体分类精度达到78.99%,能够体现部分特征地层的边界,面向对象的分类方法能够提供分类矢量文件为目视解译工作提供便利。（2）基于摄影测量原理和Worldview-2高分辨率立体像对提取了高精度数字高程模型,并与数字正射影像叠加开展三维可视化解译工作,充分利用高分辨率影像丰富的细节纹理信息,对吐格尔明背斜地表出露的地层缺失、不整合接触,中侏罗统至渐新统尖灭和断层现象进行精细解译。（3）针对岩层三角面这一遥感影像上具有显著纹理信息的面状野外地质体,提出了基于图像边缘提取算法的交互式产状智能提取方法。通过人机交互选定三角面位置,基于Canny边缘提取算法、随机抽样一致性（Random Sample Consensus,RANSAC）算法提取岩层三角面产状,并使用回归评估数据质量。利用开源GIS软件QGIS插件平台编写产状智能提取功能模块,开展产状提取实验。实验表明本文的半自动提取方法准确率可达到90.2%,具备客观性、准确性和数据质量评估能力,自动提取准确率低于半自动方法。（4）利用产状智能提取模块提取吐格尔明背斜高陡地区的产状信息,综合地层分类、三维构造解译和产状信息,绘制吐格尔明背斜遥感地质填图,并结合相关文献资料对构造和演化历史展开讨论。本文基于机器学习和边缘提取方法的地表构造遥感解译方法能够高效提取大量野外地质体信息,并为构造建模提供信息约束。