文献综述
一、课题研究背景及研究意义早在20世纪70年代，人们就开始利用计算机进行卫星遥感图像的解译研究，其主要方法就是遥感图像目视判读，它依赖于图像解译人员的解译经验与水平。
20世纪80年代，主要是利用统计模式识别方法进行遥感图像的计算机分类，这种方法的特点是根据图像中地物的光谱特征对影像中的地物进行分类。
20世纪90年代以来，涌现出了大量的遥感图像分类方法，如人工智能分类法、遥感与GIS结合法、面向对象的分类法、多源信息复合分类法等都取得较好的效果。
然而，由于新的分类方法的大量涌现，遥感图像分类方法出现了多而杂的问题。
遥感影像分类领域，分类方法众多，各类算法各具特点，一些新的分类技术相比于传统方法在分类精度上有一定提高，但同时也存在一些不足之处。
因此，继续探索先进方法以提高遥感影像的分类精度仍然存在广阔的研究空间。
在遥感监测过程中，单一的采用某一种方法往往达不到理想的效果，通常会根据遥感监测的目标，结合两种或者多种分类方法进行分类，以提高分类精度。
二、相关研究综述20世纪90年代以来, 遥感技术得到了迅猛发展, 多光谱、高光谱、高时空分辨率等成为其标志特征, 相应地促进和带动了信息提取技术研究的发展.与中低分辨率的遥感影像相比较而言, 高分辨率影像目标地物轮廓更加清晰, 空间细节信息更加丰富, 使人们能够在更小的尺度上观察地物的结构和特征【1】。
遥感信息提取研究是整个遥感分析的核心内容, 但是仅用传统的基于像素的分类方法对高分辨率遥感影像分类, 导致分类精度地下、空间冗余和数据资源的极大浪费.而用面向对象的方法进行信息提取, 能够克服同物异谱, 同谱异物现象的影响, 有效地消除了椒盐噪声, 而且利用面向对象的方法提取的信息结果比用基于像素的方法提取的信息更具有更好的目视效果.可以说, 面向对象的信息提取方法大大提高了高分辨率影像地物信息提取的精度, 具有很好的应用前景【2】.利用面向对象的遥感影像分类方法进行分类前, 必须借助影像分割方法获取对象.影像分割是将整个影像区域分割成若干互不交叠的非空子区域的过程, 每个子区域的内部都是连通的, 同一区域内部具有相同或者相似的特征, 此处特征可以是灰度、颜色、大小、纹理等【3】。
