图像分割是遥感图像处理的重要研究内容。可见光遥感图像的处理在军事和民用方面都具有广泛的应用,而对可见光遥感图像的分割是其中的重要的研究内容之一。现有的遥感目标提取方法大都是在红外图像或者SAR图像上对某一类特定目标进行的,而可见光遥感图像上的分割方法大都是针对中低分辨率图像上的地物地貌分类。将中低分辨率遥感图像上的地物分类看作是一种分割,对这种区域性目标的现有分割方法通常效率比较低、实时性比较差。而对中高分辨率上边界清晰的地物目标而言,目前的提取方法基本处于人工经验判读或人机交互的半自动处理阶段,需要解决地物目标提取的智能化与自动化。本文针对可见光遥感图像中感兴趣目标分割提取的几个关键问题进行研究,根据不同的分割需求,对中低分辨率的区域性目标或中高分辨率的弱小目标分别采用不同的分割或提取方法。论文中对实际遥感图像进行了实验,验证了所提出方法的有效性。本文在对已有的遥感图像分割算法进行充分研究与分析的基础上,所做的主要研究工作如下:(1)考虑中低分辨率可见光遥感图像。对其上的区域性目标的分割问题进行了深入研究。针对可见光遥感图像上的城区目标通常具有边界模糊、连通面积大而导致分割速度慢等特点,本文基于模糊集理论提出一种矢量模糊分割法,通过样板法与模糊统计法相结合的方法构造模糊隶属函数,并构造了一个模糊训练过程来验证方法的有效性。(2)研究了中高分辨率可见光遥感图像中感兴趣目标分割的自动化技术。现有的目标分割方法,要么是需要先验知识的有监督的自动分割,要么是无需先验知识但需要人工初始化的无监督分割。本文依据解决计算机视觉中的丢失数据问题的思路,对最大期望法的初始化方法进行改进,实现了迭代过程中参数的自动初始化,从而实现了感兴趣目标的自动分割。(3)当感兴趣目标处在一个比较复杂的背景下,需要引入额外的附加先验才能够实现提取。论文引入了目标的形状先验。对复杂背景下的目标以受云层遮挡的海上舰船为例,通过分析获得舰船目标的形状模板作为先验,基于水平集理论的形状距离表示,将目标与复杂背景放在一起构造模型,并构造对应的能量函数,在能量最小化的过程中实现感兴趣目标的分割提取。(4)最后,为了实现完整的可见光遥感图像上感兴趣目标的解译识别,在保证高准确率和低时间复杂度的同时,建立了一个感兴趣目标的人机交互分割提取系统。研究工作中的新贡献在于:基于贝叶斯准则提出了城区的矢量模糊分割方法,相较于传统的多尺度分割方法,该方法快速有效,且具有较高的准确率。对视觉上的参数估计提出了一种自动初始化方法,称之为方向标定法。使用该方法时,目标分割过程既无需初始化也无需人工参与,只依据图像自身的光谱属性和颜色属性通过自身的初始化与迭代来实现。实验验证了该方法的有效性和可靠性。针对有云层遮挡的海上舰船提出了一种云层舰船模型(cloud cover ship model),将感兴趣目标与背景作为一个整体来看待。根据可见光遥感图像上云层是否存在阴影建立不同的模型以及对应的能量函数。实验验证了该方法的有效性。综上,本文的研究工作首先从理论上进行分析,进而进行相应的算法设计,并通过实验验证了各个算法的有效性。