相对于中低分辨率遥感影像，高分辨率遥感影像具有更丰富的空间信息和纹理信息，能更清楚地表现地物细节。传统分类方法是基于像元的，由于忽略了图像的纹理特征、结构层次特征等，受噪声影响大，分类结果“椒盐”现象严重。因此，传统的基于像元的分类方法，并不适用于高分辨率遥感影像分类。面向对象的遥感影像分类方法就此产生。本文研究了面向对象的高分辨率遥感影像分类技术，主要包括高分辨率遥感影像分割技术和面向对象分类技术。在此基础上，以徐州市部分地区的Quickbird影像为例，验证了本文的研究结果。主要成果如下：（1）高分辨率遥感影像分割技术。论述了多尺度分割理论，及传统和新型的分割方法，提出了适用于高分辨率遥感影像的基于局域同质性梯度的颜色结构编码分割方法。（2）面向对象的分类方法。由于不同的地物具有不同的光谱、纹理及空间结构特征，因此需要根据不同地物类型特点选择不同的分类方法。本文在多尺度分割的基础上，用自定义阈值法提取水体、阴影和植被；用支持向量机方法提取道路和建筑。本文以江苏师范大学部分Quickbird影像作为数据源，用上述方法进行了分割分类，由于所用的是面向对象的分类方法，传统的误差矩阵分析不适用于其精度评价，因此应用基于模糊数学的最佳分类结果和分类稳定性两种指标来评价分类结果。分析结果表明，本文所用方法，分类结果完整准确，适用于高分辨率遥感影像信息提取。