随着卫星遥感技术的飞速发展,遥感影像的空间分辨率不断提高,应用领域也越来越广泛,从高分辨率遥感影像中提取地物信息是遥感影像应用的主要内容之一。由于高分辨率遥感影像具有空间结构复杂、几何、纹理信息丰富、数据量大等特点,面向对象的信息提取方法应运而生并得到了快速的发展,其处理的最小基元是具有实际意义的影像对象,对象基元综合了影像的多维特征,从而准确、稳定的描述实际地物对象。面向对象的信息提取的关键技术是影像分割,对于高分辨率遥感影像而言,地物目标复杂多样,不同的地物在不同尺度的地物空间才能得到有效的表达,因此研究多尺度的分割算法才能满足高分辨率遥感影像信息提取的需求,提高遥感的应用水平。本文根据高分辨率遥感影像的特点和应用需求,研究了多尺度分割算法的原理,并做了以下几个方面的工作:(1)分析现有的分割算法,选择聚类效果好、算法效率高的均值漂移分割算法作为基础分割算法,并结合颜色-纹理模型进行改进,在此基础上引入了多尺度分割,对多尺度分割的关键技术进行分析,结合改进的均值漂移分割算法实现了高分辨率遥感影像的多尺度分割。(2)为了解决大数据量遥感影像的分割问题,本文采用了分块并行处理的策略,通过构建“缓冲区”来消除数据分块之间的拼接线,从而保证影像分割的完整性,通过开展一系列的实验来验证本文拼接算法的可行性。(3)为了验证本文多尺度分割算法的有效性及其在信息提取中的应用,选择北京市通州城郊部分地区的资源三号影像作为实验数据,开展了部分地类要素信息提取实验。