遥感影像聚类是一类重要的非监督分类方法，在遥感数据处理和应用中具有很重要的作用。目前的遥感图像聚类方法通常存在一些不可避免的缺陷，如类别数难于自动确定、聚类速度缓慢、聚类过程不稳定以及聚类结果存在椒盐噪声等。面向对象的图像分析技术能够避免图像处理中的椒盐噪声问题，并能加快图像处理速度。而竞争合作学习是一种无需事先指定类别数的聚类方法。结合两者的优点，本文提出结合分水岭分割和竞争合作学习的遥感图像聚类方法。为了加快聚类速度并获得更稳定的聚类结果，本文提出一种基于动态最小包围矩形的中位切分算法，用于初始聚类中心的选择。最后，通过对遥感影像的聚类实验与分析，验证了该方法能够自动对遥感影像进行聚类，并与人工解译图像的结果相符合，说明本文提出的方法具有很好的实用价值。