高分辨率遥感图像的出现,对现代遥感技术提出了新的更高要求,并促使遥感信息处理与分析由基于像元的信息提取向面向对象的特征识别过渡。面向对象的信息提取技术更适合高分辨率遥感图像的分析与理解。图像分割正是实现图像对象提取的重要技术手段。　　 论文以国家自然科学基金“高分辨率遥感数据决策级融合方法研究”及“飞行器导航图像匹配理论与方法研究”项目为支撑,在遥感图像空域变换的基础上,主要借助数学形态学理论和方法,对IKONOS多光谱图像的特征识别与信息提取方法进行了探索和研究,并对图像分割过程中出现的过分割与欠分割问题进行了较为详尽的分析。研究结果表明,数学形态学多尺度多方向向量场融合梯度特征提取算法能有效地提取图像对象的边缘信息,并且能保留较多的弱边缘细节信息;基于正交矩理论的矩纹理特征不仅能较好的描述人工地物的空间结构特征,而且能有效地描述自然地物的形态信息;结合色调和纹理特征标记的图像分割算法能有效提高图像分割的质量,是高分辨率遥感图像对象信息提取的有效手段。主要研究内容与结论包括:　　 一、对高分辨率遥感图像的空域变换及变换图像的信息特点进行了分析,并从信息载荷、图像质量评价及各类典型地物在变换空间的表征入手,揭示了各主成分图像的信息分布特点。高分辨率遥感图像经变换后,第一主成分图像集中了多波段数据85.87％的信息,含有大量的空间结构信息。第二主成分图像着重描述可见光与近红外波段的信息差异,以色调的形式反映不同地物的信息,是第一主成分图像的重要辅助信息。因此,可以从多波段数据去相关、信息归并与分离、降维的角度,根据主成分图像的特点,探讨高分辨率多光谱遥感图像特征的识别与提取方法,并对基于特征的图像分割方法进行研究。　　 二、提出一种数学形态学多尺度多方向向量场融合梯度特征提取算法。充分考虑遥感图像中地物的多尺度特性,以及图像中地物边缘在不同方向上的异质性,结合数学形态学多尺度和多方向梯度算法,采用基于向量场第一基本形式的特征融合方法,提取高分辨率遥感图像的数学形态学多尺度多方向向量场融合梯度。与常用的梯度特征融合方法相比较,向量场融合梯度能提取更多的边缘细节;与形态学多尺度梯度、形态学多方向梯度及Canny梯度相比较,向量场融合梯度在边缘细节信息保留及边缘的连续性、完整性等方面表现更好。　　 三、将正交矩引入高分辨率遥感图像纹理特征提取研究中。以Zernike正交矩理论为基础,提取图像的局部正交矩特征,通过非线性纹理转换器提取矩纹理特征。通过设置不同的矩窗口和纹理窗口,提取出一组能有效描述图像对象形态结构信息的矩纹理特征。研究结果表明,当两个窗口较小时,大部分图像对象的纹理边缘都较清晰地显现出来,相邻边缘间的影响也较小。不论是人工地物、还是自然地物,局部矩纹理特征对图像对象的形状特征描述都比较理想。因此,将局部正交矩特征引入高分辨率遥感图像的分析和特征描述是非常有意义的。　　 四、给出一种基于色调标记的数学形态学图像分割新算法。利用数学形态学滤波算法,提取图像对象的局部变异特征,再通过形态学强制最小过程,利用提取的局部最小值区域重建梯度图像,完成基于色调标记的分水岭图像分割。根据模式识别理论中的多类可分性判别准则,构建区域差异指数,用于确定图像分割的合理阈值。研究表明,形态学5尺度4方向融合梯度参与分割的区域差异指数高于其他融合梯度的分割,但总体上融合梯度对分割结果的影响不大。此外,标记图像对分割结果影响较大,不同标记图像的分割效果差异较大。　　 五、通过结合纹理和色调标记图像对象,采用标记控制的分水岭变换分割图像。通过分析不同矩纹理特征图像的分割效果,选取性能较好的矩纹理特征参与纹理色调联合标记的图像分割。与基于色调标记和基于纹理特征标记的分割相比,纹理和色调联合标记的图像分割质量明显提高,而且能较好地控制过分割与欠分割问题,获得的分割区域更加完整,区域破碎度减弱。因此,结合纹理和色调标记的图像分割能提高基于单一特征标记的分割效果,非常适合解决高分辨率遥感图像的分割问题。　　 论文以南京城区IKONOS图像为数据源,以K-L变换图像的信息特点分析为出发点,从多波段数据去相关、信息归并与分离、降维的角度对高分辨率多光谱遥感图像的特征识别与信息提取进行了深入细致的研究。论文提出的数学形态学向量场融合梯度算法、正交矩纹理特征提取算法,结合纹理和色调标记的图像分割方法对高分辨率遥感图像的特征识别与提取、图像检索、图像匹配具有参照价值。结合了边缘特征、纹理特征和色调信息的混合分割策略,可明显提高图像分割的精度,具有明显的实际应用价值。同时,论文的有关研究结论,还可为基于对象的高分辨率多光谱遥感图像的特征识别、边缘检测等提供有益的借鉴。　　 有待进一步研究的工作,主要是深入挖掘第二主成分图像的信息特点与应用价值;加深数学形态学理论方法的研究与应用;探索适合高分辨率多光谱图像的分割质量评价方法。