本研究从遥感大数据解译出发，探索面向对象高分辨率遥感影像处理的新模式，结合“表达-检索-理解”这一技术主线，重点探寻高分辨率遥感影像信息提取中的面向对象的影像表达问题。拟解决的关键问题包括：（1）高分辨率遥感大数据“分块-分层”尺度集建模机制问题，使得传统方法和尺度集模型适用于大规模、大幅面遥感数据的表达；（2）面向大数据处理的尺度集模型的高性能计算，充分利用硬件资源，提升处理效率，使研究成果能够真正应用于遥感大数据的分析。主要研究内容包括：（1）遥感大数据尺度集模型设计首先结合基于层次区域合并的影像尺度集模型、影像分块分割-拼接方法，研究基于影像分块的尺度集构建方法，通过分块处理减小算法对硬件资源的依赖；在此基础上研究各分块尺度集拼接的方法，实现分块尺度集的拼接和层次关系重构；借鉴瓦片金字塔模型、尺度空间理论进一步研究多层次尺度集的层次关系连接和重构，以满足大范围、大规模数据的分区域、分层次检索。通过以上的研究，初步构建适用于遥感大数据的“分块-分层”尺度集模型。（2）尺度集模型高性能计算通过分析“分块-分层”尺度集模型的结构和实现机方法，分析该模型实现过程中各部分的性能，研究其高性能实现的方法，分析其中影像分块-分层策略、数据读取/存储性能、多核计算策略等对建模和检索算法性能的影响；并进一步通过反馈对模型和计算方法进一步优化。通过本部分的研究，达到“分块-分层”尺度集模型结构和建模检索方法的最优化，充分利用硬件资源实现效率的最大化。（3）尺度集表达优化约简首先利用尺度集区域的层次、近邻关系，建立区域信息量度量模型，然后研究保持尺度集模型信息量的情况下，剔除信息量较小的冗余区域的策略和方法。通过本部分的研究，剔除大量冗余的区域，实现尺度集模型的精简优化，在保证尺度集信息量的情况下极大的减少数据量，提高检索分析的效率。（4）典型区域遥感大数据表达与信息提取实验选择覆盖深圳市的高分系列卫星、ZY3、WorldView、典型区域无人机数据等遥感影像为数据源，以本研究所设计的尺度集模型为基础，通过将实验影像以尺度集建模表达，建立数据库；在遥感大数据解译框架下进行地物信息提取进行实验（城市绿地提取、海岸带湿地信息分类），验证本研究所提出的尺度集模型及其实现方法在高分辨率遥感大数据处理方面的有效性。