随着对地观测卫星空间分辨率的不断提高，高分辨率遥感影像呈现出如下特点:一方面，地物目标的几何结构更加清晰、纹理特征更加丰富、光谱信息更加精细;另一方面，由于高分辨率遥感影像是一个多尺度地物分布的复杂统一，不能用单一的尺度来描述其特性，必须在多个尺度下才能充分表达和描述。由此导致了传统单尺度、基于像素的中低分辨率遥感影像的处理方法无法有效处理高分辨率遥感影像。近年来，面向对象的影像分析技术在高分辨率遥感影像处理领域得到了广泛应用，其核心思想是把对象作为影像特征提取和分析的最小处理单元，核心技术是影像分割和信息提取。遥感影像多层次分割是构建影像中不同种类地物多尺度表达常用的方法，其目标是对一幅遥感影像分割生成多尺度不同层次细节的多层次分割结果。这些多层次分割结果会形成对同一幅影像的不同尺度的多层次网络结构表达，使后续多尺度、面向对象处理方法能直接针对具有丰富属性的不同尺度的区域对象进行，而不是一个个像素单元，从而能有效提高信息提取的精度和效率。因此，遥感影像多层次分割是传统单尺度、基于像素的影像处理方法到多尺度、面向对象的处理方法的桥梁，是充分挖掘高分辨率遥感影像应用潜力的一种有效途径。　　 本文从以下四个方面深入研究高分辨率遥感影像多层次分割方法。首先，总结当前遥感影像多层次分割方法的研究现状，重点研究三种最具代表性的多层次分割方法，同时对遥感影像并行分割方法进行研究。其次，针对遥感影像多层次分割方法中区域合并准则、区域合并策略和层次输出控制三个关键环节，本文多层次分割方法重点研究区域合并异质性测度、基于异质性最小区域合并算法和引入松弛因子的层次输出尺度控制方法，为了提高分割效率，研究一种快速扫描初始分割方法。然后，对多层次串行分割算法中可采用并行技术实现的快速扫描法初始分割、构建区域邻接图和基于异质性最小区域合并算法三个关键步骤进行并行性分析，重点研究以上三个步骤基于数据并行模式的并行化策略及多层次并行分割算法流程。最后，研究如何从高分辨率遥感影像中基于多层次分割结果提取感兴趣地物目标。　　 通过以上对遥感影像多层次分割方法全面、深入、系统地研究，取得了如下四个方面的研究成果:　　 (1)提出了一种可以融合不同光谱特征和形状特征的区域合并异质性测度计算模型。实验证明该计算模型可以使分割结果的区域对象更加符合人类知觉原理，并且很大程度上有效保持了地物目标的实际边界。　　 (2)提出了一种遥感影像多层次分割方法，该方法通过一次分割自动生成不同尺度的多层次分割结果，很大程度上提高了多层次分割的自动化程度，减少了人工干预程度及其产生的人为因素影响。　　 (3)提出了一种多层次分割的尺度定义模型，同时在区域合并过程中引入松弛因子来控制层次输出的尺度，通过设置松弛因子灵活控制层次输出的层数及尺度。　　 (4)提出了基于数据并行模式的多层次并行分割方法，其核心包括并行快速扫描法初始分割和在分块化区域邻接图基础上的基于异质性最小并行区域合并算法两个方面。实验证明在分割质量和分割效率两方面都得到了较好的效果。　　 总之，本文提出并实现了一种针对高分辨率遥感影像的自动、高效、稳定、准确的多层次分割方法，研究成果丰富和发展了遥感影像多层次分割方法和基于多层次分割结果的应用，对遥感影像多层次分割方法研究具有一定的参考和借鉴价值。