遥感图像分割是实现遥感图像理解关键的一步，是一个跨越图像处理、模式识别、计算机视觉、神经网络等多学科研究领域的综合性研究课题，有着广阔的应用前景，近年来受到人们普遍重视。开展遥感图像分割的研究对处理日益增长的遥感数据处理有着十分重要的意义。在分析国内外遥感图像分割的发展现状和趋势后，本文采用基于模糊理论的方法，分别对利用遥感图像光谱信息分割、纹理信息分割、以及二者融合分割进行了研究，取得了一些有价值的成果。 利用光谱信息进行遥感图像分割，采用的是基于模糊逻辑系统的FasART神经网络。分析了遥感数据的不确定性和人们目视解译遥感图像的特点；从自适应共振理论(ART)出发，概述了FasART神经网络形成机制，论述了网络的结构及其特点，提出了一种简化的FasART模型；为了使遥感图像中各类别模式与神经网络有机的结合，用语言变量描述特征矢量。通过最大似然、模糊ARTMAP与FasART对比实验表明：特征矢量用语言变量表示的FasART网络具有较高的分类精度。 利用纹理信息分割遥感图像，主要包括纹理特征提取、特征变换和图像分割。概述了常用的纹理图像特征提取方法，分析了遥感图像多波段的特点，采用模糊纹理分析方法提取纹理特征，定义了空间模糊纹理光谱，并用样品分类方法进行了验证；根据纹理特征可分性较差的现实，把纹理特征矢量用语言变量表示；用空间模糊纹理光谱研究了多光谱纹理特征，分析了分开—合并和多分辨率图像锥对多光谱遥感分割所存在的问题，针对多光谱遥感图像纹理特征的不规则性，提出了一种四分树数据结构的基于区域的分割方法——分开—扩张方法；该方法与分开—合并方法对比实验表明：分开—扩张方法具有一定的实用性。 光谱信息和纹理信息融合分割。概述了数据融合的一般知识，分析了数据融合方法在遥感图像处理中的应用现状，简述了基于决策层融合的D-S理论；根据多光谱遥感图像光谱信息和纹理信息的特点，提出了一种基于决策层的模糊积分融合方法，探讨了特征矢量的维数对分类器的输出的影响；用实验说明了模糊积分的融合方法对多光谱遥感图像的光谱信息和纹理信息的融合是有效的。 在论文的最后，对整个论文的工作进行了总结，并指出了进一步研究探索的方向。