航空影像分割是对航空影像进行分析和理解的关键步骤。近年来，基于偏微分方程的航空影像分割方法由于其能有机结合图像本身的低层次视觉属性与待分割目标的先验知识从而受到了广泛关注。本文针对航空影像的分割着重研究了基于水平集的几何曲线演化模型方法，该类模型不仅可以将多种约束或各种特征信息加以融合，而且具有拓扑结构自然变化的优点，克服了基于参数化活动轮廓线模型拓扑结构不易变化的局限，更适合于航空影像复杂地物的分割。　　 本文首先介绍了航空影像分割的研究背景和国内外的研究现状，讨论了当前航空影像的分割算法，并对它们的优缺点加以比较，总结了当前算法存在的问题，引出了基于偏微分方程的图像分割方法。针对航空影像的分割，本文运用基于水平集的曲线演化方法开展了以下几方面的研究工作：　　 1.对于航空影像中人工区域的检测，传统的基于阈值的方法往往由于阈值设置不当而出现较大分割误差；基于模型的方法由于人工区域物体形式多种多样而不能够精确的建模，且对模型的参数估计需要很大计算量。本文则在经典的Chan-Vese两分模型基础上进行了改进，加入了区域间差异性能量约束。在曲线演化的过程中，将演化过程分级，从粗糙的快速演化阶段渐进到缓慢的平滑定位阶段，给出了各个阶段相应的演化偏微分方程，更为重要的是，人工区域的检测过程不需要人工参与，分割也快速准确。　　 2.对于航空影像的多区域分割问题，本文首先指出了单个水平集应用的局限，同时指出了目前多个水平集耦合分割算法存在的问题，然后对两分Chan-Vese模型进行了拓展，得到了图像多区域类别划分模型，并将分割模型进一步拓展到向量图像的分割。改进的分割模型不仅能够实现多区域的划分，而且由于曲线演化时多个水平集不在耦合，分割速度大大加快，实验表明分割过程迭代次数比较少，对于256×256大小图像，一般只需要十几次，而其他多数水平集分割算法都需要上百次迭代。　　 3.对航空影像各地物分类时，首先将改进的图像多区域划分模型与无监督K均值聚类算法结合，以减少人工参与：然后比较了常见的几种纹理特征提取算法，并存改进模型水平集演化的统一框架下进行了对比，表明旋转不变小波特征计算复杂度低，分割效果好。对于分割好的图像，用指定的颜色对各类别着色，实验表明本文算法能够融合提取的特征信息对航空影像进行合理的划分。　　 4.本文将基于改进的Chan-Vese模型的水平集向量两区域分割方法应用于导航数字基准地图最优匹配区的选择。针对以往相关工作中匹配特征指标计算量大的缺点以及纹理学习选择匹配区的成果，结合可跟踪度、特征密度和分形误差三个匹配指标进行了匹配区选择。实验证明了本文方法的合理性，机场图匹配区的正确匹配概率在90％左右，而背景的正确匹配概率则比最优匹配区的匹配概率低十个百分点以上。如何定量的确定导航数字基准地图中各个区域的匹配概率，对于该问题，本文运用旋转不变小波特征以及上述三个匹配度量指标，设计了SVM分类器，提出了WSC算法，有效地将耗时的匹配问题转化为模式分类问题，运用匹配概率的相关方法验证表明本文方法快速有效。