传统的遥感图像建筑物测量方法以人工目视解译为主,这种人工测量方法费时费力、成本高,测量结果不理想。随着高分辨率对地观测系统重大专项的实施,高分一号和二号卫星已相继成功发射,可以利用图像分析的方法对遥感图像中的建筑物目标进行识别,一方面便于城市规划管理和地理数据库更新与决策等;另一方面为相关部门提供数据支持。由于遥感图像地物相对复杂,提取建筑物区域时可能会发生误分割等现象,利用形态学方法提取目标可以保持目标轮廓位置不变,因此本文以形态学理论方法为基础,对遥感图像建筑物区域提出相应的分割方法。论文的主要工作如下:(1)首先针对遥感图像建筑物分割,剖析了国内外建筑物提取研究现状,然后分析了数学形态学对遥感图像处理的基本理论和方法,并做了相关仿真实验和对比。(2)针对单一结构元素对遥感图像建筑物进行形态学边缘检测时,可能会出现边缘不完整和抑制噪声能力差等问题,提出了一种基于可变结构元素的遥感图像建筑物形态学边缘检测方法。首先构造不同尺度和包含多方位的结构元素做相应的形态学运算,对遥感图像进行预处理,抑制目标背景中的噪声,突出建筑物图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到建筑物边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出建筑物目标边缘轮廓。实验结果对比表明:本文方法能够检测到较完整的建筑物边缘信息,边缘检测精度较高,抗噪性能优越。(3)针对部分遥感图像整体对比度低,目标与背景区分不明显等特点,提出了一种基于GAN自适应结构元素的形态学遥感图像建筑物分割方法。首先选取待处理的建筑物区域像素作为种子点像素,根据图像像素的亮度特征和邻域约束关系定义自适应邻域,以建立的自适应邻域作为自适应结构元素;然后构造相应的自适应可变结构元素形态学基本运算,进而对遥感图像进行增强;最后通过灰度切片方法对增强后的遥感图像进行分割,进而分割出建筑物区域。实验结果表明:该方法能够在分割出建筑物图像目标内部的同时,保持目标边缘轮廓的准确定位,抗噪性能优越,相比经典阈值分割和区域分割算法,分割精度可达98%,过分割率可控制在3%以内。