本文在全面介绍面向对象影像分析方法的基础上，首先对分割算法进行研究，并进一步提出了最佳分割尺度选择方法，最后探讨了数据的多特征引起的维度效应。 主要研究成果如下： (1)提出一种影像分割方法。基于均值漂移方法，提出了一种非参数化的自适应聚类技术，用于影像的分类和分割，并在分割中结合了影像的空间信息，取得了更好的分割结果。 (2)提出两个最佳分割尺度选择方法。研究了遥感影像分析中的尺度效应，基于训练样本实现了面向对象影像分析方法中的最佳尺度选择，提出试探性和计算法两种最佳尺度的计算策略，并在最佳尺度下进行影像分割，提高了分类精度。 (3)进一步研究了维度效应。研究了面向对象分类方法中数据的维数对分类精度的影响，得出样本选择数量可以比通常的选取规则大大减少，而且与所分析数据的复杂程度相关。同时对聚类问题和相似性查询中的维数灾难及查询的不稳定性进行了研究，补充了最近邻查询不稳定性定理。