随着科技的进步、社会的发展，遥感技术应用范围也越来越广，在资源探查、环境评估、灾害预测、区域识别、城市监测等方面也有突出贡献。在遥感图像识别、分析、加工上，遥感图像分割是遥感图像处理领域中的关键问题之一，也是最基本的问题。虽然出现了各种遥感图像分割方法，但由于遥感图像地物的复杂性和多样性，遥感图像分割仍是国际学术界公认的最困难的问题之一。本文基于Mean Shift，研究遥感图像的分割方法，其主要研究工作包括：　　（1）提出一种结合分水岭的Mean Shift分割方法，首先利用分水岭方法对遥感图像进行初始分割，在得到的分水岭分割小区域内作Mean Shift平滑，然后对得到的平滑图像作Mean Shift分割。经分水岭分割后的区域琐碎而细小，但这些区域内部的特质、属性都相同，把这些小块作为Mean Shift的初始化分割的对象，有利于加快Mean Shift分割效率，将分水岭的过分割缺点转化为优势。　　（2）尝试将分级Mean Shift分割方法应用于遥感图像分割，首先利用Mean Shift分割方法作一次图像分割，然后不断增大分割参数，对得到的分割图像反复作多次Mean Shift分割，直到得到最终分割图像。　　（3）面向对象遥感图像分割中，包括区域面积、区域周长、灰度均值、边缘梯度、邻接关系5个参数，需要多次反复实验选择分割尺度和参数，大大降低了分割效率。本文根据区域的光谱特征和形状特征（包括紧致度和光滑度），结合Vague集模糊熵（Vague熵），提出一种对光谱权重、紧致度权重、光滑度权重3个权重参数实现自动选择的方法，在面向对象分割（区域合并）过程中能根据合并对象的光谱、形状特征自动选择最优的权重参数，而且每次合并，权重参数都随合并对象的特征而改变，权重参数的选择具有自适应性。通过此方法对图像分割能得到一个最优的分割结果。　　上述方法通过MATLAB编程，在SPOT和快鸟高分辨率遥感图像上实验表明：结合分水岭的Mean Shift和分级Mean Shift分割方法能够有效保留图像细节，减少过分割区域，但仍需作进一步分割区域合并，以得到最优分割图像。通过权重参数的自动选择方法，能够得到最优分割图像，从而增加图像分割的客观性，提高分割效率，提高遥感图像面向对象分割的自动化性能。