随着图像分割技术和遥感技术的发展,相关科研人员投入大量精力并设计出许多图像分割算法,但是由于遥感图像包含的地物要素复杂,各类地物之间相互交错,使得某一种图像分割算法很难适用于多种不同的场景。针对彩色遥感图像的分割,科研人员根据条件迭代模式（Iterative Conditional Mode,ICM）算法设计出多种图像分割算法,但是这些算法获得的初始分割结果质量仍存在提高的空间,而且已有算法缺乏对于图像中空间位置信息的有效利用。本文根据以上两方面不足提出了一种基于空间位置信息的彩色遥感图像分割算法。本文的研究工作主要包括以下几个方面:由于ICM算法初始分割结果仍存在提高的空间,本文利用KFCM算法代替已有算法获得初始分割结果。KFCM算法是对于FCM算法的一种改进,使用高斯卷积后特征空间中的距离代替欧式距离以获得更高的分割准确率。在使用KFCM算法处理图像之前,首先对图像进行双边滤波。使用双边滤波既可以降低噪声的干扰平滑图像,而且还能有效地保留边界信息。再将上述方法得到的初始分割结果输入到ICM模型中进行迭代获得图像分割的中间结果。针对图像中空间位置信息未能有效利用的问题,本文提出了一种基于空间位置信息的彩色遥感图像分割算法。由于图像中各类地物一般均为连通区域的特点,对各个像素点构建邻域,利用邻域内像素点的空间位置信息对中心像素点的分割结果进行修正,进而得到最终的图像分割结果。在Google地球部分美国和日本地区彩色遥感图像数据集下,使用本文提出算法与已有算法进行对比实验。实验结果表明,利用KFCM算法获得的初始标记结果质量更高;而本文提出的基于空间位置信息的ICM算法的分割效果是良好的,分割准确率在85%以上,相较于已有算法,一定程度上提高了彩色遥感图像的分割精度,利用KFCM初始化以及引入空间位置信息进行修正是有效的。