本文以江苏省自然科学基金“城市化地区植被及其生态环境效应的空间分布变化机制(BK2002420)”项目为支撑，依据“植被对象生成、特征空间构建及基于知识的城市植被识别”的学术思路，对面向对象的城市植被遥感识别与信息提取的技术与方法进行了探讨和研究。首先依据植被的反射光谱特性与遥感图像成像原理，着重分析了试验区内植被在IKONOS图像数据上的表征，并对纹理特征、位置特征、几何特征等进行了分析；然后根据城市植被的分布特点和在IKONOS图像上的表征，采用多级分割的图像分割方法获取植被对象；以对象为处理单元，用形状、位置、光谱及纹理特征构建特征空间，并重点探讨了特征空间的优化方法；最后在优化的特征空间中采用知识推理的方法对城市植被进行识别，并对所采用的方法的可行性进行了评价。 植被作为城市生态的重要组成部分，是城市生态系统中能够执行“吐故纳新”负反馈调节机制的子系统，在建设生态城市、提高人居环境质量中起着举足轻重的作用。因此，关于城市植被的研究引起了广泛关注。上个世纪末问世的米级和亚米级遥感影像，不仅能提供地物景观的结构和纹理等细节信息，而且具有重访周期短、覆盖面广等优点，这无疑为研究快速城市化地区植被信息的获取和监测提供了契机。然而，高分辨率遥感影像对信息提取模式提出了新要求，基于像元在光谱信息分析的基础上进行识别的方式由于不能充分利用高分辨率图像数据上表现的纹理和结构等信息，表现出很大的局限性。继而提出了面向对象的信息提取模式，即首先利用图像分割技术生成处理基元—对象，然后针对对象的特征对对象进行识别和分类。本文的主要研究内容和结论如下： (1)依据植被的反射光谱特性和遥感图像成像原理，对各类型植被在IKONOS图像上的表征进行了描述与分析。通过采集典型样本，分析了植被的最大、最小和平均光谱响应特征，以及各类型植被的NDVI(归一化植被指数)的值域分布特征；采用基于灰度共生矩阵的描述方法对影像的纹理特征进行分析，并利用纹理特征的变异系数确定最优移动窗口的大小；分析植被分布的几何形状特征，选用面积、周长、长宽比、缀块分维度、形状指数、紧凑度等六个指标进行了描述与分析；针对各植被类型在空间上的分布特征，采用植被斑块所在的位置作为描述指标。特征空间优化的结果表明，形状和位置特征在受人为干扰比较强烈的城市植被信息的识别和提取中起着很大作用，纹理特征由于在光谱统计特征中已有表达，起的作用比较小。 (2)依据城市植被的分布特点和在IKONOS图像上的表征，采用多级分割的方法生成植被对象。城市植被既有零星的单株分布，也有成片的林地分布，多级分割可同时兼顾宏观和微观特征。首先在像元尺度上，利用阈值将试验区分为植被和非植被区，面积比较小的植被信息可以被提取；然后采用尺度为200的区域合并算法对植被区分割，获得的对象的形状和位置等特征与实际植被的分布比较吻合，可以用来表示实际植被的分布。 (3)以对象为处理基元，提出了用形状、位置、光谱及纹理特征构建特征空间，并对特征空间的优化技术进行了探讨与研究。首先，依据城市植被在IKONOS图像上的响应特征，选择形状、位置、光谱统计和纹理特征构建特征空间；然后从特征之间的相关性、植被类型之间的可分性以及对前两个选择标准确定的特征空间映射三个方面对特征空间进行优化，取得了较好的结果。优化后的特征空间，特征之间的相似性减弱，可以得到和理论值相近的错误率估计值，分类结果更趋于稳定；组成特征空间的数量大大减少，不仅简化了计算的复杂程度，而且得到较高的维数比率，提高了分类器的推广能力。 (4)在优化后的特征空间中，采用基于知识推理的方法对城市植被进行识别。这部分主要探讨了获取知识的决策树方法、基于产生式规则的知识库的构建和基于前向推理机制的推理策略。其中重点论述了如何利用分类回归树算法构建决策树，进而利用构建的决策树来获取分类规则的方法。精度评价和分析结果表明，基于知识推理的分类方法可以将对提取目标指示性能不同、特征本身度量不同的特征集融为一体，处理目标类别问的非线性关系。 综上所述，本文以南京城区为试验区，根据植被在IKONOS图像上的表征，采用面向对象的方法对城市植被遥感识别与信息提取的技术与方法进行了探讨，为高分辨率遥感图像专题信息提取提供了理论参考，并为城市生态的建设和城市的可持续发展提供数据和决策依据。