文章简要介绍了遥感影像信息解译中的方法,分析比较传统的中低分辨率遥感影像信息提取和以面向对象技术为基础的遥感影像信息解译方法的特点。传统只考虑光谱特征提取目标地物信息的方法应用于高分辨率遥感影像进行信息解译会出现多种问题,而考虑了影像分割单元的多维特征信息的面向对象方法则可以更有效表达地物特征。在面向对象的影像分割中,存在分割尺度难以满足多类型地物尺度的问题,往往采取多次试分割方法获取相对较优分割尺度,而采取某个阈值的多尺度分割往往产生破碎和欠分割结果。多尺度分割一般基于遥感像素的同质性或者异质性进行,因此在按照从大分割尺度到小分割尺度对遥感影像进行分割时,可以根据影像单元的光谱变化情况以及斑块的层次裂变情况分析判断分割所得影像单元内部均质性以及单元之间的相似性。本文根据这一原理采用面向对象思想设计一个自顶向下多层次自适应的影像分割策略。为了更好描述分割过程所得斑块对目标地物的满足程度,本文在遥感影像分割斑块基础上提出有效基元概念并对遥感影像有效基元进行建模；模型主要考虑分割过程的层次信息、斑块的光谱信息、和斑块的邻近关系信息。最后,本文从影像分割的经验统计上和本文方法的理论基础上给出自适应分割阈值的获取方法。本文侧重于多层次自适应分割的策略研究,为了快速验证文章研究思想,实验中基于ArcObject设计开发了一个模拟eCognition多层次分割的软件。在使用eCognition的分型网络算法获得最初始分割层数据后将获取的原始分割斑块数据导入到所编写软件进行分析验证。软件从有效基元分布、阈值选取和影像分割结果方面验证所设计策略的有效性。实验结果证明考虑了多层次分割的层次信息、斑块光谱信息和斑块的临近信息可以有效解决影像分割中的欠分割和过分割现象。