吴田军，骆剑承，沈占锋，张新，邵明文

(1.长安大学 理学院，西安 710064；2.中国科学院空天信息创新研究院 遥感科学国家重点实验室，北京 100101；3.中国科学院大学，北京 100049；4.中国石油大学(华东)计算机科学与技术学院，山东 青岛 266580)

0 引言

在高空间分辨率(以下简称“高分”)遥感影像发展历程中，面向对象的分析思想对分类、变化检测、目标识别等信息提取任务的精度提升起到了开拓性、引领性的作用[1-2]。作为面向对象分析的前提和基础，影像分割是实现对象化信息提取的关键步骤，将直接关系到地物信息提取的精度和效率[3-5]。因此，随着近年来高分对地观测技术的普遍应用以及各行各业对基础地理信息获取精度要求的提高，遥感影像分割技术在面向对象分析领域受到越来越多的关注。

遥感影像的分割其实是将一幅遥感图像划分成若干互不交叠的区域(对象)，以保证每个区域的像素在一定尺度下具有光谱、纹理等特征的高度同质性(即较小的异质性)，从而在空间上分离和表示地物目标[6]。在传统的图像处理领域，较为经典的方法是边缘检测法和区域分割法。前者是基于不同区域间像元灰度不连续的特点，利用Roberts、Prewitt、Sobel、Laplace、LOG、Canny等算子检测出区域间的显著边缘，以实现影像的对象化切分；后者则是将具有相似性的像元聚合起来构成斑块，实现的主要方法有阈值法、聚类法、区域生长与合并法等[7]。

与一般图像相比，遥感影像具有多尺度、多波段、宽覆盖以及地物类型多样等特点。……