与中低分辨率影像相比，在高分辨率影像上，除了具有丰富的光谱特征外，地物的结构、形状和纹理等空间细节特征更丰富[3]，随着空间分辨率的提高，使地面上相同面积对应在影像上的像元数目也随之增加，因此基于传统像元分类的效率被限制。另外，传统基于像元的分类方法，主要依据像元反映的光谱特征统计值进行分类[4]，分类过程中很大程度地忽略了区域的纹理、结构、形状、以及与邻近像元的关系等特征，会导致分类精度降低[5]。而且，高分辨率影像的像元之间存在较强的异质性，传统基于像元分类方法的结果图中，更容易出现“椒盐噪声”，影响分类精度，后期需要投入大量的人力和时间进行后处理，代价过大。尽管，有学者将模糊集和神经网络等技术应用于传统基于像元的分类方法中，实