随着分辨率（空间、光谱、辐射和时间分辨率）的日益提高,遥感影像提供了丰富的地表信息,伴随着大空间尺度应用需求,为与之相适应的分割方法设计以及计算资源的合理配置和有效使用提出了新挑战。针对这些挑战,寻求一种更灵活高效的分割框架是使传统影像分割算法适用于在资源受限的计算机上分割大尺度高分辨率遥感影像的关键。为此,本文提出一种基于多智能体体系结构和协作机制的大尺度遥感影像分割框架,并为其各模块开发一组算法和度量标准,以作为该框架串行及并行化重构实现所支持的众多配置之一。提出的影像分割框架采用分层模块化结构,将整个分割任务分解为一组含有一类或多类负责各子任务的智能体的层级模块,并通过智能体间相互协作快速、高效的共同完成大尺度高分辨率遥感影像的高精度分割。本文主要的工作概况如下。（1）利用多智能体理论构建大尺度影像分割框架。提出一种基于层次化多智能体结构及智能体协作机制的影像分割框架,包括影像分块层、子块分割层、特征提取层、对象识别层、结果拼接层和协作管理层,分别负责影像域的分块、局部分割对象的获取、局部分割对象的特征表示、各分割对象全局一致性的识别、局部分割结果的最佳缝合和各层智能体的调度以及交互协作。（2）开发实现各层模块功能的算法,并提出其度量标准。其中,影像分块模块将原始影像规则划分为在边界具有重叠区域的矩形子影像块;子块分割模块利用各波段平滑的直方图、定义的峰谷检测核、类别光谱先验知识和光谱信息散度度量标准建模像素的类属性;特征提取模块以子块分割对象内抽取的矩形区域为样本计算光谱测度统计和空间统计纹理特征;对象识别模块分别以Silhouette指数和定义的角度加权距离度量为聚类评价和相似性指标,使用模糊C均值算法对已预处理的特征数据集进行聚类;结果拼接模块利用改进的最小误差边界切割方法在重叠区域搜索一条最佳缝合曲线,以引导局部分割结果间的拼接;协作管理模块将每个子影像块与一个Excel工作簿相关联,通过从/向对应的Excel工作表读取/写入消息,以实现智能体间的通信。（3）提出基于CPU-GPU异构平台的多智能体协作并行分割方法。为了进一步提高大尺度高分辨率遥感影像的分割速度,将各智能体中可有效并行化的操作重构为在GPU众核心上执行的计算统一设备架构（Computing Unified Device Architecture,CUDA）核函数,并利用Hyper-Q技术由多个CUDA流同时处理多个子影像块,以实现任务级别上的并行化。通过将GPU作为一个协处理器,并结合不同执行方式,实现多智能体协作分割的最佳性能。（4）性能评价。为了验证提出方法的有效性,首先在选取的人工合成和真实影像数据上对各层智能体的性能进行测试,并对实验结果进行定性和定量评价。然后,对大尺度遥感影像分割结果进行精度评价,并比较多智能体影像分割框架在CPU和CPU-GPU平台实现的整体性能。分割结果的视觉和统计分析评价结果表明,与框架中涉及的各类分割算法相比,提出方法可更好地利用影像的局部和全局信息以实现同质区域分割,且对不同的高分辨率遥感影像场景具有鲁棒性。计算性能分析表明,提出方法可有效减少数据对计算内存的需求,对于2048×2048像素的高分辨率多光谱遥感影像,在CPU平台串行分割的平均时间仅为15.8分钟且在CPU-GPU平台的单流和多流并行分割可平均实现3.8和5.6倍的加速。此外,提出方法的运行时间随影像尺度的增加呈近似线性增加,具有良好的可扩展性,可在资源受限的计算机上快速高效地完成大尺度高分辨率遥感影像的高精度分割。该文有图96幅,表14个,参考文献180篇。