建设用地作为与人类活动息息相关的重要场所,对其进行有效监管是很有必要的。由于我国农村经济社会的发展,农村建设用地的要求量不断增加,然而农村地区建设用地缺乏统一规划以及过于分散,其大小和位置无法详尽的掌握,给乡村建设用地管理工作带来了新的问题。图像分割技术和无人机遥感技术在近年来逐渐兴起,人们将其迅速应用到如土地利用类型调查、土地增减挂钩、灾害评估等实际项目中。随着技术的不断进步,人们对无人机遥感和图像分割技术的需求也会只增不减。在此背景下,本文采用了处理拓扑结构更为简单的基于主动轮廓模型的水平集算法对含有建筑物的农村无人机遥感图像进行图像分割,并且针对传统的水平集算法在建筑物遥感影像上的建筑物轮廓分割存在的不足进行了改进。在对于水平集算法的改进研究过程中,主要得到如下的结论:(1)针对现有水平集算法在分割含有规则图形的图像时会出现未分割的情况,且水平集算法的分割曲线过于平滑的现象,本文提出对水平集算法引入矩形度的约束的矩形度水平集算法。通过每次演化计算一次曲线的矩形度来避免水平集的演化曲线过于平滑且不规则,驱使水平集算法的曲线轮廓维持一种规则的形状。实验结果表明了改进的算法可以有效的提升水平集算法对于遥感影像中建筑物轮廓的分割效果,实验中改进后的算法分割精度达到了0.91,标准差达到了0.06,比改进前的算法分割精度更加稳定。(2)引入矩形度的水平集算法对规则图形的分割效果得到了提升,但是在实际的无人机遥感影像分割中,如果单从矩形度的大小来判断分割的曲线是否为本研究所需要提取的建筑物轮廓是不可取的。为了更好的处理分割后的曲线,本文将水平集算法和链码相结合,将水平集经过演化后的最终曲线转化为8方向的链码序列。(3)本文将获取到的链码序列进行直线检测,链码序列中直线的检测方法采用链码直方图的方法,将获取的链码序列分割成若干的直线段并结合建筑物特点建立一个新的直线度指标。(4)本文根据无人机遥感影像中的分割曲线计算直线度的指标,根据直线度的数值大小自动检测当前曲线是否为建筑物轮廓曲线,最后通过两类目标样本和非目标样本对改进后的算法进行验证,两类样本的检测准确率为90%和87%。实验结果表明本文改进的水平集算法相较于传统的水平集算法更加自动化,并且能够较好的检测出导入的无人机遥感图像是否为建筑物轮廓。