航空航天技术、数据自动采集和传输技术、数据压缩技术和数据库技术的快速发展,使得大量的遥感数据积累下来。但是,这些数据的处理远远不能满足实际应用的需求。遥感数据的应用水平严重的滞后于空间遥感技术的发展。高空间分辨率影像的出现为遥感技术的发展带来了新的机遇,增加了传统遥感应用的深度。发展智能化的遥感影像数据分析和理解技术,利用计算机模拟人脑对遥感影像解译的认知过程,依据应用目的来获得影像内容的语义信息是高分辨率遥感影像解译的重要任务。而这些技术都需要建立在遥感影像区域分割算法基础上。在从像素空间经特征空间到语义空间的高分辨率遥感影像解译过程中,区域分割是重要一环,有许多问题值得研究。非模糊均值漂移算法作为一种非参数概率密度估计算法,具有良好的理论基础,且适合并行运算,适用于各种特征空间分析的场合。本文采用非模糊均值漂移算法为工具,就高空间分辨率影像的分割问题展开研究。相关的工作可概括为以下几点：1.非模糊均值漂移算法是一种统计迭代算法,算法的收敛性是其应用的理论基础。然而,相关经典文献的收敛性证明却存在错误和不完善之处。本研究梳理了核函数与剖面函数、核函数与阴影核函数的关系,然后基于剖面函数和阴影核的性质严格证明了概率密度估计序列的收敛性,在此基础上又给出了采用带宽矩阵、单一变带宽、变权重不同形式的非模糊均值漂移算法的收敛性证明。2.针对高空间分辨率遥感影像的特点,给出了光谱和纹理信息融合的像素级和区域级分割算法。两种算法中,均采用Gabor滤波器组的卷积输出作为纹理特征,并基于特征的方差设计了加权最小距离分类器。为获得像素级的光谱特征,提出了一种均值漂移滤波算法的自适应带宽确定方法,并采用该算法对各像素灰度值组成的特征空间进行滤波,将滤波结果作为光谱特征。对于区域级分割,将均值漂移分割算法获得的区域模态的光谱分量作为光谱特征。实验结果表明：提出的均值漂移带宽确定方法是有效的；加权融合算法较基于光谱的分割方法在分割精度上有一定程度的提高；区域级的分类方法无论是客观精度还是主观评价都要优于像素级的结果。3.考虑到传统均值漂移算法带宽参数不易控制,分割结果缺乏稳定性的缺点,提出了一种小波域的遥感影像多尺度均值漂移分割算法。算法通过小波变换将不同分辨率的分割结果融合起来,采用形态学方法实现分割区域边界优化。航空遥感影像和合成影像的实验表明：该算法分割精度要优于4种对比算法,且具有参数调整简单和时间复杂度低的优点。4.地表景观本身具有多层次的组织结构,不同的地物需要适当的比例尺,才能完整的观测。论文研究了和地表景观的语义层次对应的层次分割区域树的构建方法,采用边缘置信度加权的均值漂移分割算法作为初始分割,构建了一个两步式的多层次分割框架。在该框架下,首先实现了一种油罐目标提取和油库定位算法。油罐识别问题可视为同一语义层次下的地物、空间尺度不一致时的分割问题的一个实例。相关实验证实了算法的有效性。影像的大尺度划分可为影像进一步的分析打下基础。考虑到高分辨率遥感影像在大尺度上表现出较强的纹理性,在提出的多尺度框架下,还实现了一种基于区域纹理建模的、逐步合并的多层次分割算法。算法采用区域的局部二值模式特征和K均值聚类算法获得的影像标记构建联合直方图,对区域进行建模,采用G统计量度量直方图相似性。采用合成影像,和MRF纹理分割方法等的对比证实了算法的有效性。最后,提出了一种基于多层次分割的特征自适应提取算法,并用于城区地物覆盖分类。算法将最优的分割结果和地物对象联系起来,对同一地物的不同尺度提取特征。两组高光谱实验数据的结果表明：在采用相同的训练和测试数据及分类器的情况下,对比相关文献的结果,本文提出的算法无论是分类精度还是视觉评价都获得了较好的结果,从而验证了特征提取算法的有效性。三种具体的分割应用验证了两步式的多尺度分割框架的可行性。