本课题利用面向对象方法探讨了高分辨率SAR图像中典型地物的提取，主要是利用提高图像分割效果和构建专家知识来提高高分辨率SAR图像的解译性能。我们编写了面向对象的图像分割与分析算法；之后对高分辨率单波段、单极化SAR图像、多极化SAR图像和全极化SAR图像进行了分类、识别和检测实验，并将结果与基于像素的图像分类和识别方法进行了比较，发现面向对象的图像分析在分类和识别方面的优越性；另外，对面向对象的图像分析与基于像素的图像分析的方法的融合说明了它们之间可以相互协作得到更好的分析效果，我们实现的边缘约束区域的图像多尺度分割就是一个很好的例子；而且，通过实验说明了专家知识参与下的面向对象的图像分析能够提高高分辨率SAR图像分析性能。.面向对象的图像分析理念虽然具有一定的进步性，比如它能够将对象组成相邻关系网络加以分析，并通过反馈与优化等理念对人脑的思维进行了初步的模拟，但是图像分析在理论和方法方面存在的难题，不是它所能解决的，它只能在一定程度上模拟人脑的思维与问题的理解，而它依然不能模仿人脑复杂的思维，这需要生理学、心理学等相关学科的发展。通过研究也发现面向对象的图像分析在高分辨率SAR图像地物提取方面还需进一步探讨。.本课题具有如下创新：.第一：总结了高分辨率遥感图像的特点：信息更加丰富、光谱（散射）特征纯净、结构组成特征明晰、纹理特征丰富、形状特征鲜明、高度特征显现、功能特征隐含、空间关系特征明确。.第二：融合光谱（散射）特征和边缘特征，实现了高分辨率遥感图像的图像分割。.第三：提出了图像边缘具有多尺度特征的概念，并通过计算模型实现了边缘的多尺度特征。.第四：融合多尺度边缘与多尺度光谱（散射）特征的图像多尺度分割，得到了比基于光谱(散射)特征的图像多尺度分割更好的效果。.第五：针对高分辨率SAR图像中的典型地物构建了专家知识库， 有效的实现了典型地物的提取。