遥感图像目标分割,是遥感图像识别和图像解译的重要步骤。遥感图像分割具有非常强的目标特性和图片类型针对性,因而目标分割算法必须通过精心设计,图像分割才能达到良好的效果。港口目标作为一个国家重要的军事基地和航运交通枢纽,研究关于它的信息,具有重大战略意义和民用意义。遥感图像中港口目标的分割和研究,当今时代,无论在军事领域还是民用领域都是至关重要的研究任务,也是图像解译领域的一个热点研究问题。针对遥感图像中港口目标的分割和提取研究任务,因其目标与背景的复杂性和特征的多样性,要达到精确的分割效果,需要针对特定目标选择合适的分割算法。本文的主要内容是遥感图像中港口目标的分割算法研究与实现,遥感图像来源于google earth。选取两幅遥感图像,分析港口目标的特征信息:灰度特征及结构特征。在此基础上选择阈值分割法和脉冲耦合神经网络分割法,实现图像分割。本文的主要研究内容如下:1.介绍了图像阈值分割法,在一维最大类间方差法的基础上研究了二维最大类间方差法,确定图像分割的最佳阈值,实现港口目标的分割。2.详细研究了一种改进的图像阈值分割方法,加权参数直觉模糊熵阈值分割算法。在直觉模糊熵分割法的基础上增加了权参数,改善了直觉模糊集缺少对模糊不确定性度量的局限性。目的为改善传统阈值分割法的分割效果,以及在一定程度上消除或抑制云雾因素对分割结果的影响。3.考虑到阈值分割方法自身的局限性,一个或一组阈值无法精确分割遥感图像中的港口目标,在此基础上研究了基于神经网络的分割算法:脉冲耦合神经网络(PCNN-Pulse Coupled Neural Networks)分割算法,介绍了此算法的核心内容和分割原理,考虑到算法自身的局限性,加入了图像边缘算法及去噪步骤,对分割结果进行优化。实现上述几种分割算法,通过对分割结果的分析与讨论,验证它们的可行性。结果表明了这些算法在一定程度上提高了分割效率并且优化了分割结果。