随着地球勘测遥感技术的快速发展,地球卫星的分辨率越来越高,拍摄的地物轮廓清晰,细节丰富,为人们合理利用地球资源提供了很大的便利。每年从地球卫星可以获取海量的遥感图像,研究如何从海量图像中高效提取有用信息是人们一直关注的重点,而图像分割作为提取地物材质不可缺少中间步骤之一,是后续图像应用的前提。虽然目前已经存在多种类型的图像分割方法,并且取得了一定的研究成果,但是由于高分辨率多光谱遥感图像具有几何结构清晰,光谱波段数较多,信息冗余以及尺寸大等特点,还存在许多细节值得深入研究。论文是以多光谱图像为研究对象,重点针对图像多波段降低维度和单一尺度难以获得准确地物特征两个问题进行了探索与分析,主要使用数学形态学方法和均值漂移聚类法解决相关问题。研究成果显示,与传统的主成分分析降低维度相比较,扩展的形态学方法能够很好的保留多光谱图像细节特征,能有效地描述地物的几何结构,能够生成多层次的图像分割结果;改进的均值漂移聚类算法分割准确率提高获得了较好的分割结果。本文首先分析了高分辨率多光谱图像的数据特点,针对多光谱图像的多波段产生的冗余信息问题进行研究,尽管目前常用的主成分分析法能够去除相关信息,第一主成分图像丢失了部分信息;不同的地物类别是多尺度的,单一的分割结果很难准确反映各种不同尺度的地物特征。本文以数学形态学为基础,基于扩展的分水岭变换和分水线动态范围,生成了多尺度的分割结果,可以从不同尺度来表达同一地物。实验结果表明与传统的主成分分析法相比较,本文使用的扩展的数学形态学理论可以更加充分利用多光谱图像的信息,保留了更多图像细节特征,利用动态范围能准确分割出大量地物类型并且产生多层次分割。其次根据扩展的形态学理论研究成果,将其应用到均值漂移聚类算法中。由于多光谱图像波段数较多,存在大量的冗余信息,大大增加了均值漂移迭代过程的计算难度,非常耗时,降低了均值漂移算法的准确率和效率。本文使用扩展的形态学方法和分水岭变换,控制多光谱图像的冗余信息,最后使用聚类分割效果很好的均值漂移算法进行图像分割,合并小区域生成最终的结果图像。研究结果表明,均值漂移算法可以很好的探测遥感图像中常常出现的小区域,而且聚类过程中考虑空间关系产生了很好的均匀分割。最后针对实际遥感图像应用,探索提高分割大尺寸图像的方法,减少消除人工分块分割中产生地的人工边界,研究结果表明改进的均值漂移算法能改善大尺寸图像分割的人工边界。但还需要更进一步深入研究,解决大尺寸图像分割问题,真正扩大遥感图像的实际应用。