目前水体提取算法对中低分辨率遥感影像的提取效果较好，但应用于高分辨率影像细小水体时易受混合像元、异物同谱和阴影等因素的影响，从而出现误判。针对高分辨率影像中大面积水体和细小水体同时存在的问题，为快速地提取大面积水体并有效地避免细小水体提取中阴影的影响，采用多尺度和光谱差异分割提取较大面积水体，同时针对细小水体阴影的影响，提出一种新的阴影指数（LGR）结合面向对象的水体提取方法。对所提方法的提取结果与决策树、支持向量机、随机森林、NDWI＋NIR、卷积神经网络提取方法进行比较，实验得出提取水体的精度分别为94.86%、88.85%、87.15%、88.8%、91.46%、92.42%，说明所提方法对高分辨率影像大面积和细小水体具有较高的提取精度，并能通过不同尺度的分割保证较好的提取效率。

针对卷积神经网络（CNN）在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题，提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析（PCA）提取图像的前12个成分后对前3个主成分进行滤波，对滤波后的3个波段进行超像素分割；然后将样本点映射到超像素内，使其以超像素而不是像素为基本的分类单元；最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验，实验结果表明，相比仅利用光谱信息的方法，融合空-谱特征信息的方法的精度得到提升，在两个数据集上的分类精度分别达99.45%和97.60%。