与中低分辨率遥感影像相比，高分辨率遥感影像主要具有以下特点。①更高的空间分辨率和时间分辨率。能够满足大比例尺土地利用调查、基础图件与数据更新的需要。②更加明显的地物几何结构。地物目标结构、纹理和细节等信息能清楚地表现出来，能够在获得光谱信息的同时，获取更多关于地物目标结构、形状和空间语义方面的信息，分辨地物的内部结构。③更加清晰的地物位置布局。高分辨率影像中地物所处的环境位置以及地物间的空间位置关系，有助于识别组合型的地物目标。④更加精细的纹理和尺寸等信息。检测和识别各种目标最根本的依据是地物之间或地物与背景之间在纹理、尺寸上的差异。中低分辨率图像只关注大尺度上纹理和尺寸的粗略描述，而高分辨率遥感以一种非常精细的方式来观测地面，能够提高更小尺寸的纹理单元信息。⑤更加丰富的维度信息。高分辨率遥感影像能够在更小的尺度上反映地物的三维立体属性‘刀。
目前，高分辨率遥感应用的发展水平与实际需求还存在巨大差距，面临的挑战如下。①目标类别具有多样性。目前应用方法大多数是针对大尺度目标设计实现的，处理种类有限，对参数依赖性大，很难适用于目标多样化的情况。②特征信息具有可变性。高分辨率遥感影像的目标存在极大差异，目前的应用方法大多采用简单的符号规则推理，对图像各类先验知识的推理研究和利用不够深入，为此需要更多地从较高层次人手分析信息的多样性。③干扰因素具有复杂性。高分辨率遥感图像受成像质量的影响较大，目前的遥感应用方法仅利用像素的光谱特征信息进行分类描述，很难有效去除各种复杂的干扰因素，并且容易导致处理精度降低。④大尺度搜索具有困难性。在大尺度图像上搜索和查找可能存在的小尺度目标是一件较为困难的工作。不仅需要结合遥感图像的尺度特性选取合适的计算方式，而且需要设计相应的可并行计算机制口。
不同于中低分辨率的遥感影像，感兴趣的目标在高分辨率遥感影像上往往由一组像素构成，表现为图斑，即“对象”。传统的针对中低分辨率图像的处理方法很难满足高分辨率遥感应用的需求，需要在充分认识高分辨率遥感影像特征的基础上，研究更有针对性的数据处理和分析方法，从而充分挖掘遥感数据的应用潜力，为各类应用提供更多、更好的服务，由此，面向对象的分析方法越来越符合高分辨率遥感影像解译任务的需要。
3.遥感影像解译技术的驱动
遥感平台的多样化，以及时间、空间、光谱分辨率的不断提高，为遥感影像解译提供了丰富的数据。然而，遥感影像解译技术的提高却远落后于遥感传感器技术的发展。当前的业务化生产仍是以目视解译为主，具有周期长、费用高、工作量大的缺点，而且解译精度在很大程度上与解译人员的水平以及对区域的熟悉程度等因素相关。并且目前应用较为成熟的分类方法，主要是依赖地物的光谱特性，采用数理统计的方法，根据一定的判决函数对单个像元逐个进行判别标识。然而，由于地物光谱的复杂性、遥感影像分辨率的限制以及成像过程中诸多因素的干扰，这种单纯依赖光谱特性在单个像元基础上进行的分类，在地形地貌简单、地物较单一、均匀的地区，一般应用效果较好，而在地表状况复杂的地区，分类效果往往并不理想。
由于基于像元的分类方法存在分类特征指标较少、单一的解译模式、解译结果上的椒盐效应的影响等，面向对象分类方法考虑了因光谱特征导致的地面均质区域内的分类误差，其分类精度也高于基于像素的分类。但是它也存在一些缺陷，例如，分类结果受地块数据的影响较大，叠加数据前对矢量数据的栅格化处理会降低地块的几何精确度等。基于知识的解译方法在一定程度上可提高分类精度，但没有达到实用阶段，不能满足遥感影像自动解译的要求。
随着地理信息系统、人工智能、模糊集理论、生理和心理认知理论等相关理论和技术的发展，遥感影像分类研究向着定量化、智能化、自动化的方向发展。越来越多的遥感信息急待转换成计算机能够使用的信息，需要探求能够自动、智能、高效地实现遥感影像解译的方法。因此，遥感图像解译技术的研究向着更高层次的智能化方向发展，GEOBIA的产生正体现了遥感影像解译技术的发展方向。
4.RS与GIS集成
GEOBIA建立了RS与GIS集成的桥梁（见图1-2），通过GEOBIA技术，从遥感影像上可以直接挖掘出GIS需要的专题信息，从GIS中可以直接得到遥感影像需要的辅助数据，此外，利用GIS对所有数据进行存储、管理、分析、服务、应用。
1）RS对GIS的贡献
（1）专题信息提取。遥感数据可以用来提取专题信息，创建地理信息系统层。有三种方法生成专题层。首先，人工判读航空照片或卫星影像生成一个或一组地图，用来描绘主题类别（如土壤或土地利用类别）之间的界限。数字化这些边界以提供适合于输入GIS的数字文件。其次，使用自动化的方法对遥感数据进行分析或分类，生产纸质地图和图像，然后将它们数字化后输入GIS。
