针对噪声导致高分辨遥感影像分割存在过分割或者欠分割的问题, 提出结合相位一致和分水岭变换的高分辨率影像分割方法。该方法首先采用基于光谱相似性的相位一致的模型方法来获得边缘响应幅度, 再采用自动标记分水岭算法对影像进行分割; 基于相邻分割对象的空间位置、形状、面积等特征多重约束, 提出相邻分割对象合并代价函数模型, 对分割结果进行优化并获取最终分割结果。选择典型地区实验影像进行分割实验, 通过目视评价和监督评价, 并与典型分割方法进行比较, 验证所提分割方法的有效性。

为了提高建筑物提取的自动化程度和精度，提出了一种以分割-分类-优化为主线、利用偏移阴影分析的建筑物全自动提取方法。首先，采用面向对象的多尺度分割方法进行影像初分割；然后，结合支持向量机(SVM)分类，将分割结果分为阴影、植被、建筑物、裸地四大类并提取初始结果；最后，利用相交边界阴影比率准确地验证了建筑物的存在，剔除了无阴影的非建筑物干扰，获取了最终结果。大量的实验结果验证了该方法的有效性，自动化程度得到明显提高。该方法完整度达到85%以上，正确率和综合分数F1均达到90%以上，且仅需要可见光波段影像数据，适用范围广。

利用阴影在色调亮度饱和度颜色空间中低亮度、高色调和高饱和度的特性, 对高分辨率遥感影像做过分割处理, 并将影像从红、绿、蓝颜色空间转换到色调、亮度、饱和度颜色空间, 利用色调、亮度、饱和度三个分量构造一组能够更好区分阴影和其他地物的新型阴影探测指标.对阴影指标做面向对象处理, 得到一种保持空间几何形状的阴影指标结果；根据最大类间方差法计算得到最佳阈值, 并做直方图阈值分割, 最终得到阴影探测结果.实验结果表明, 该方法可以有效地将阴影与其他地物分离开来.

在参考监督评价法原理的基础上,提出了三个高分辨率遥感影像分割精度评价指标:准确度、查全率和相对相似性,并以此为基础提出了遥感影像分割精度的评价方法.针对监督评价法的参考对象匹配问题,提出了一种双向局部最优对象匹配方法.同时,通过安徽省淮南市高分一号遥感影像分割结果的精度评价,进行了实验验证.结果表明:该评价指标能够较好地反映分割结果的优劣,符合地物对象分割的真实分布;还可为遥感影像分割算法的参数设置和多尺度分割的最优尺度选择提供依据.

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法, 此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响, 而且过于依赖种子像素的选取, 处理效率不高。 为了从高分辨率航空影像中实现房屋的自动检测, 综合利用彩色信息与屋顶材料的光谱特征, 采用影像分割原理, 研究了房屋自动检测的方法。 首先对RGB与HIS彩色空间进行转换, 利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割, 分离出红色瓦片屋顶与灰色水泥屋顶区域, 并利用标记分水岭算法实现房屋区域的初始分割; 然后计算各标记区域内的色调均值选取种子像斑样本, 进而以像斑为单元在色调分量中进行区域生长, 最后经过消除小斑和矩形拟合优化处理, 得到轮廓清晰的房屋区域。 与传统的基于像素区域分割算法相比, 该方法整个过程无需人工干预且均在一维彩色空间进行处理, 计算量明显降低, 同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息, 使算法精度得到显著提高, 采用上述方法对高分辨率航空影像进行了实验, 结果证明该方法有着较高的处理效率和准确性, 具有实用价值。

均值漂移算法是一种特征空间分析方法, 广泛应用于自然场景影像和医学影像分割中。 但算法较高的计算复杂度成为其在具有海量特性的遥感影像中应用的瓶颈。 文章将均值漂移算法拓展到小波域, 提出了一种小波域均值漂移快速分割算法。 多光谱遥感影像和仿真影像的实验表明: 在获得相当的分割结果的前提下, 相比单尺度均值漂移算法, 提出的分割算法能够提高处理速度5～7倍。

分割算法的改进和特征空间的优化是采用面向对象技术提高退耕地树冠信息提取精度的关键, 也是利用高分辨率影像提取树冠信息急需解决的问题。 文章采用光谱阈值对QuickBird多光谱影像进行一级分割, 获得了植被区域, 并采用改进的基于边缘的算法对非线性滤波处理后的全色影像进行二级分割, 选取光谱、 形状和纹理特征组成的特征空间对退耕还林地树冠信息进行提取。 结果表明, 提取总体精度为84.67%, 较传统方法提高17%, KAPPA系数为0.795 3, 较传统方法提高0.168。 该研究方法能实现较为精确的树冠信息提取, 可为管理部门实施准确的监测提供依据, 对快速评价退耕还林效果具有重要意义。