图像分割在计算机视觉领域中占据重要地位，图像分割的结果对图像分类及其他后续处理具有校正及指导作用。为能够充分利用遥感图像的丰富地物信息得到良好的分割结果，本文提出一种基于超像素合并的遥感图像分割算法。首先计算遥感图像的混合梯度，然后利用改进的标记分水岭算法进行初步分割，最后构建区域邻接图与最近邻域图，根据超像素区域间的各种特征计算区域合并代价完成对遥感图像的分割。本文主要创新如下:
　　(1)计算遥感图像的混合梯度。在梯度图上进行分水岭变换可减少数字图像噪声影响，减少过分割区域。常见的梯度计算方法各有优缺点，为获得对强弱边缘均较好的检测效果以及有效减少遥感图像中噪声的干扰，本文计算加权彩色图像的形态学梯度与彩色图像的张量梯度的混合梯度，在混合梯度图的基础上进行下一步分水岭变换。
　　(2)提出改进的标记分水岭算法。利用传统分水岭算法进行遥感图像分割会产生过分割，其实质是初始局部极小值点过多。本文结合图像的纹理信息和梯度信息提出一种自适应的h阈值对混合梯度图中像素进行初始标记，将像素分为标记像素与未标记像素。之后结合空间信息计算像素的标记优先级，完成改进的标记分水岭分割过程，得到初始超像素区域。改进的标记分水岭算法对具有不同特点的遥感图像都有较好的分割结果，并能够有效地减少过分割区域。
　　本文通过计算遥感图像的加权形态学梯度与张量梯度的混合梯度，并在此基础上进行改进的标记分水岭分割得到初始超像素区域，之后根据图像的光谱信息、纹理信息、形状信息与边缘信息构建区域合并代价完成超像素区域合并过程，得到遥感图像分割结果。通过实验对比遥感图像的分割结果与计算评价查全率、查准率、F-Measure、总体精度与运行时间等指标验证了本文算法的真实性、有效性以及优越性。