高光谱遥感技术是继黑白、彩色成像及多光谱遥感技术之后发展而成的一门新兴技术，已经在气象、环境、农林等诸多领域得到了广泛应用。高光谱遥感影像分割技术作为高光谱遥感影像处理分析的基础显得非常重要。本文通过总结现有的高光谱遥感影像分割技术，分析高光谱遥感影像的成像原理、数据特点以及在高光谱遥感影像处理中常用到的理论和方法，并深入研究活动轮廓模型的相关理论知识和数值计算方法，提出了基于活动轮廓模型的高光谱遥感影像分割方法。　　具体工作主要体现在以下两个方面：　　1.基于波段选择的高光谱遥感影像的矢量 C-V模型分割。首先选出高光谱遥感影像中目标与背景对比度较大的波段，并通过计算波段相关系数，去除其中的冗余信息形成新的波段组合，进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵；在此基础上，构造基于该矢量矩阵的高光谱遥感影像矢量C-V模型。模型中通过引入基于梯度的边缘引导函数，在保留传统C-V模型基于区域信息进行影像分割的基础上，利用影像的边缘细节信息，增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力，提高了对高光谱遥感影像的分割精度和速度。最后利用 Hyperion影像进行仿真实验，并将实验结果和传统C-V模型和相关方法进行了对比，验证了本文方法的有效性。　　2.光谱角约束的高光谱遥感影像分割活动轮廓模型。采用光谱角作为测度指标度量像元间的光谱相似性，并根据类别可分性原则选出适应分割的最优波段，在此基础上，提出基于光谱角约束函数的高光谱遥感影像分割活动轮廓模型，将原本应用于二维影像的分割方法扩展应用到多维高光谱遥感影像。使得模型在分割过程中，综合利用了高光谱遥感影像的空间信息和光谱信息，减少了因空间分辨率不足、目标边缘模糊、异质区域等对分割结果造成的影响。最后，利用WordView和Hyperion数据进行仿真实验，实验表明本文模型对高光谱遥感影像具有很好的区域分割能力。