面向对象遥感影像分析技术在处理空间关系方面具有极大的优势,已成为遥感影像分析与处理的主要研究方向之一。面向对象的影像分割是面向对象的遥感影像分析中的关键步骤。高分辨率遥感影像具有地物种类众多、结构复杂、层次丰富等特征。利用不同层次和多尺度分割地物目标,才能更好地分析与解译地学现象。目前,已有的大部分多尺度分割算法对高分辨率遥感影像的特点针对性不够,难以沟通和利用各层信息。因此,论文将谱图理论引入到高分辨率遥感影像的面向对象分割过程中,探索一种有效的多尺度高分辨率遥感影像的分割机制。遥感影像多尺度分割过程的本质是地物层次发生变化以及对象目标增减的过程,表现为影像中的数据维数升降变化。谱图理论通过研究依据图定义的矩阵的谱,进一步研究图中包含的信息,并通过几何、分析和代数的技术在离散空间和连续空间之间建立联系。谱图理论在处理复杂问题时,利用特征分解来表达和分析问题,刻画数据对象间相似性,反映对象或层次之间结构性质与特点。论文从遥感影像所反映地物的尺度特点出发,结合谱图理论,通过分析遥感影像定义图的谱信息—特征值和特征向量,描述和分析对象与层次之间的结构关系,对高分辨遥感影像多尺度分割做出一些理论探讨、算法设计与实验分析。论文主要的研究内容和成果如下：1、在研究图像聚类任务的基础上,总结和分析了谱图理论与图像分割的内在联系,总结了基于谱图理论的图像处理与分析方法。从遥感影像数据特点出发,分析了谱信息与分割(聚类)结果的深刻关系和谱方法分割影像的特点,选择了谱图理论中的谱聚类算法—Normalized Cut来实现对高分辨率影像的面向对象的分割。2、提出两种多尺度影像方向边缘的提取方法：基于灰度和纹理特征多尺度影像分割方法和引入空间关系的谱聚类多尺度影像分割方法。基于灰度和纹理特征的方法利用方向梯度信息对灰度影像进行方向边缘提取,利用直方图差分方法提取影像的纹理区域边缘,对两者设定权重,从而获得多尺度的分割结果。在分析和比较传统边缘检测算子的基础上,提出先利用方向能量方法对图像特征进行建模；然后计算影像的方向能量来度量成对像素的相似性,并引入空间关系修正相似性；最后由谱方法进行聚类,完成影像的边缘检测。3、提出了一种方向分水岭高分辨率遥感影像层次分割方法。该方法分为两步骤：第一步,利用方向分水岭高分辨率遥感影像分割方法获得过分割影像。具体过程是：先将多尺度灰度影像方向边缘强度、纹理区域方向边缘强度以及谱方法提取的边缘强度按照权重组合得到影像全局的边缘强度,然后由传统分水岭变换对上述的边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域的初始分割结果；第二步,针对上一步的分割结果,将区域边界的强弱作为条件进行区域合并,从而获得影像多尺度的分割结果。4、提出了一种高分辨率遥感影像的谱聚类层次分割(HSSC)算法。该算法是一种基于图论的多层次多尺度分割算法,将代数多重网格技术的加权聚合规则引入到谱聚类算法中,采用合并的策略自底向上聚类,生成由细粒度图到粗粒度图的树状结构,使得在细粒度图上的影像最优分割问题逐步转化到节点数量更少的粗化图上,实现影像的快速分割。HSSC算法在影像层次分割中利用了谱聚类方法的特性,没有对数据分布做简单的假设,保证了算法能得到近似全局最优解；同时,利用构建的金字塔结构,以自上而下方式对影像进行层次分割,减少了计算时间。实验表明该算法能够较好地应用于高分辨率遥感影像分割,其分割结果表现为自然并且不规则的聚类结构,反映了层次分割的客观要求。综上所述,本文通过对航空影像、高分辨率遥感卫星IKONOS影像数据进行了分割实验,对实验结果进行分析和评价,证明本论文所采用分割方法的合理性和有效性。