高分辨率遥感影像提供了丰富的地物光谱特征和纹理细节特征,有助于进行更精确的地物判读和识别。语义分割对遥感影像的地物的理解与分析有重要意义,而高分辨率遥感影像中的复杂的光谱和纹理信息使传统方法对其语义分割产生了较多的误分类问题。面向对象的马尔可夫随机场是近年来解决这一问题的有效方法。然而,目前存在的面向对象的马尔可夫随机场方法仍需要进行改进以求获得更好的语义分割结果,本文对此在初始过分割获取和基于马尔可夫随机场的模型构建方面开展了研究。本文的主要工作和贡献如下:（1）引入光谱角度相似函数,提出了一种基于分水岭算法改进的初始过分割方法。论文首先讨论了获取初始分割集的分割方法,并对分水岭分割算法进行改进,引入角度相似函数,以期充分利用高分辨率遥感影像的多光谱特征。对World View-3高分辨率多光谱遥感影像的初始过分割实验和不同色彩模型的对比分析实验,结果显示利用了全波段多光谱信息的角度相似性度量淡化了相近光谱地物间的差异性,对初始分割有数据压缩和简化的优化,方法可以获得更好的初始过分割结果。（2）提出了一种面向对象层次分割树结构下利用辅助标签的马尔可夫随机场语义分割模型。基于初始分割集,本文使用权重色彩纹理合并准则建立面向对象的层次分割树。继而在层次分割树结构上建立了带辅助标签字段的面向对象的马尔可夫随机场模型。通过迭代更新标签字段和辅助标签字段,采用概率推理求解该模型获得语义分割结果。（3）对本文所提方法在World View-3遥感影像上的进行了语义分割实验,并与基于像素和面向对象的马尔科夫随机场模型进行了对比实验。试验对七种不同类型地物的进行了语义分割,结果表明,本文方法在匀质性较高的区域,以及植被、阴影等地类上的分割效果均优于基于像素的马尔可夫随机场模型和面向对象的马尔可夫随机场模型。验证了本文方法在高分辨率遥感影像语义分割上的有效性。