本发明提供了一种基于多特征融合的建筑物识别方法，包括：对输入的多光谱图像提取Gabor‑HOG特征；将提取的Gabor‑HOG特征与图像RGB颜色特征进行融合，形成低层特征向量；将低层特征向量输入到训练好的深度置信网络模型中，提取建筑物的高层特征，并生成每个像素点的后验概率；将生成的每个像素点的后验概率输入到训练好的条件随机场模型中，提取每个像素点邻域信息的上下文特征，并根据最大后验概率识别建筑物目标。本发明通过设计低层视觉特征，利用深度置信网络提取建筑物的高层特征，采用条件随机场提取建筑物的上下文特征，解决了提取建筑物特征单一化和传统方法只提取低层特征导致建筑物识别率低的问题，能够提高建筑物识别的精度和召回率。