遥感图像分割作为遥感图像处理领域中的一项关键技术,一直是国内外学者研究的热点和焦点问题之一,有着广泛的应用前景。由于遥感图像通常表现为灰度级多、信息量大、边界模糊、结构复杂等特点,传统的Otsu算法在用于遥感图像分割时往往不能得到理想的分割效果,在一定程度上影响了对遥感图像的后续分析、理解和识别。针对这一问题,尽管目前已有众多的改进算法,但这些改进算法大多都是针对Otsu算法某一方面的不足而进行设计的,不具有较强的通用性。尤其是将这些改进算法用于遥感图像分割时,效果仍然不佳。因此,面对众多不同类型的遥感图像,如何完善Otsu算法和提高Otsu算法在遥感图像分割中的适用性是一个值得研究的重要内容。本文在熟练掌握Otsu算法基本原理的基础上,详细分析了Otsu算法所存在的缺陷,并针对这些缺陷对Otsu算法进行改进,提出了约束灰度范围的Otsu算法和基于散度差的一维Otsu算法及其快速递推算法。同时,鉴于遥感图通常含有噪声的实际情况,引入邻域空间信息,将基于散度差的一维Otsu算法及其快速递推算法拓展到二维空间,实现遥感图像阈值分割。实验结果表明,本文提出的基于散度差的Otsu算法及其快速递推算法具有很好的通用性和自适应性,对不同类型直方图的遥感图像均有较好的分割效果。尤其是推广到二维空间以后,算法不仅具有更好的分割效果,而且具有一定的抗噪能力,分割效率也较高。因此,本文提出的基于散度差的Otsu算法及其快速递推算法是一种有效的遥感图像阈值分割算法,论文所做的工作完善了Otsu算法,提高了Otsu算法在遥感图像分割中的适应性,在工程实践中具有一定的实用价值。论文研究工作的创新点在于:1.发现并证明了Otsu算法的分割阈值是分割后目标和背景两类均值的平均值。在此基础上,推断出当两类的类间方差相差较大时,Otsu算法的分割阈值将偏向类间方差较大的一类,从而为确定图像的最佳分割阈值提供了理论依据。2.针对Otsu算法的阈值偏移问题,提出了一种约束灰度范围的Otsu算法,采用二次搜索直方图来寻找最佳的分割阈值,大大降低了阈值偏移的程度,提高了遥感图像的分割精度。3.针对Otsu算法运算量大、忽略类内方差和阈值偏移等缺陷,提出了一种基于散度差的一维Otsu算法及其快速递推算法,提高了遥感图像的分割精度和分割速度。4.鉴于遥感图像通常含有噪声的实际情况,引入邻域空间信息,将基于散度差的一维Otsu算法及其快速递推算法拓展到二维空间,既保证了遥感图像的分割精度和分割速度,又使算法具有一定的抗噪能力。