随着卫星遥感技术的发展，高分辨率影像数据源不断丰富，人们对高分辨率遥感影像信息提取精度的要求越来越高。高分辨率遥感影像分类及信息提取方法的有效性很大程度上依赖于图像分割的效果。在高分辨率遥感影像中，地物的纹理、形状等特征信息越来越清楚的表现出来，传统基于像素光谱特征的遥感影像分割方法不能有效地应用于高分辨率遥感影像。因此需要探寻新的高分辨率遥感影像分割方法。　　 分水岭分割综合了区域增长和边缘检测两种图像分割方法，它以准确的分割结果、较小的计算量而广泛地应用于图像分割。但受噪声和纹理区域的影响，使用常规的灰度梯度进行分水岭分割容易引起过分割。过分割导致对影像特征的度量出现失误，并增加了影像处理的工作量。形态学重建常被用来缓解过分割，但是形态学重建在去除噪声的影响的同时也很容易丢失图像的细节信息，并且对于纹理区域的过分割也不能进行有效的处理。本文在分析和总结遥感图像分割技术的基础上，提出了基于纹理特征的高分辨率遥感影像分水岭分割方法，针对高分辨率遥感影像纹理特征丰富的特点，引入纹理梯度的概念，并将其与灰度梯度融合，从而改进了分水岭变换纹理区域过分割现象。论文主要工作和创新点如下：　　 (1)基于Contourlet变换的高分辨率遥感影像纹理特征提取。分别对小波变换和Contourlet变换进行详细的介绍，并通过对比Contourlet变换和小波变换在图像纹理特征表达中的特点，得出Contourlet变换更适合纹理特征的多尺度表达。最后使用非下采样Contourlet变换对图像进行多尺度分解，提取图像纹理特征。　　 (2)在纹理特征提取的基础上计算纹理梯度，并且在计算纹理梯度的预处理中提出一种方向中值滤波器来消除纹理梯度中的“双边缘”效应。　　 (3)提出了纹理梯度与灰度梯度融合的方法。在纹理区域强调纹理梯度值，抑制灰度梯度，去除了梯度图像纹理区域内部的伪边缘。在平滑区域，主要强调灰度梯度的值，使平滑区域的边缘得到较好的保持，在融合梯度的基础上进行标记分水岭变换，很好的改善了过分割现象。　　 (4)在分割结果的基础上，进行了典型目标提取应用。研究了基于梯度密度的高分辨率遥感影像纹理区域提取方法，以及基于形态学运算和外接椭圆长轴的道路提取方法。　　 (5)以Quikbird，无人机航片等高分辨率遥感图像为数据源，分别进行了图像分割以及纹理区域和道路提取实验。实验结果表明论文的分割方法有效的抑制了高分辨率影像纹理区域的过分割现象，提高了分割精度，对于分割后纹理区域提取和道路提取实验也取得了理想结果。