随着卫星分辨率的提高，面向对象方法在高空间分辨率遥感图像解译领域得到广泛的应用。图像分割是面向对象处理方法的重要步骤，但是由于高空间分辨率遥感图像的复杂性及多变性，至今还没有得到一个令人满意的分割方法。本文对现有的常用分割方法及精度评价方法进行了回顾和总结，并针对高空间分辨率遥感图像在土地利用领域的应用进行了图像分割及精度评价等方面的研究。　　在土地利用领域，用户希望可以通过图像分割获得特征同质的连通对象用于土地类型分类，得到专题数据。然而在分割高空间分辨率遥感图像时，现有的一些方法无法同时兼顾同质性与连通性，并由此导致分割精度下降。如果只关注像素在特征空间中的分布，虽然得到了特征同质区域，但是也导致了分割结果出现椒盐情况;而只考虑像素间的拓扑邻域关系，虽然可以得到连通的分割区域，但是最终的分割结果可能会出现枝杈区域、边缘错位等问题。这些分割结果都会给后续的特征提取、模式分类等工作造成困难。　　针对这些问题，本文分析了同质性与连通性对分割结果的影响，并分别对局部连通性较好的区域合并方法和特征同质性较好的图像聚类方法进行了改进，通过增加全局约束和邻域限制来进一步提高分割结果的精度。在此基础上，本文依据这两种特性对分割结果进行了量化评价，进而完成了面向对象的解译精度分析。　　论文具有创新性的研究工作和成果主要有:　　(1)提出了一种基于纹理聚类约束的高空间分辨率遥感图像分割方法。该方法使用Gabor纹理作为全局约束条件，并通过纹理聚类与全局最优区域合并的迭代交互作用，得到了准确的纹理分割区域。同时，该方法使用多种不同类型的特征来度量区域间的距离，并依靠区域邻接图（Region Adjacency Graph，RAG）和最近邻图(Nearest Neighbor Graph，NNG)模型完成了区域快速合并，提高了方法的准确率和计算效率。SPOT5和航空遥感图像等实验结果证明了方法的有效性。　　(2)改进了一种基于边缘信息的邻域FCM聚类方法。该方法通过拓扑空间的邻域限制，较好解决了聚类时的噪声问题，使聚类结果具有较好的连通性。并且，该方法在聚类时用到了图像的边缘信息，既保证了空间聚类边缘的准确，又去除了多余的边缘。方法可直接应用于原始图像，而不需要进行滤波预处理，保护了图像细节。从实验中，可以看到该方法对噪声鲁棒，可以得到较好的同质连通区域。　　(3)改进了面向对象精度评价方法，使用了分割与分类精度的综合评价方法。该方法通过分析分割结果和参考结果的重叠程度得到分割精度，继而通过两个区分了分割错误的混淆矩阵得到面向对象的综合精度。与基于像素的精度评价方法相比，该方法:a）区分了分割精度和分类精度，精度评价更为准确;b）综合考虑了区域与像素评价，更适合面向对象方法。　　(4)在自主研发的译陆(ELU)面向对象遥感图像处理软件中，对方法进行了实现，并对方法在多尺度分割融合与交互式分割方面进行了扩展。