本文介绍了遥感图像分割算法及区域生长算法的优缺点，针对遥感图像分割计算量大和区域生长遥感图像分割算法中合并策略、尺度选取的问题展开了讨论。针对遥感图像数据量大和噪声的问题，本文提出采用数学形态学对遥感图像进行初步分割来解决图像分割计算量大的问题，采用形态学腐蚀膨胀运算优化图像来缓解分水岭分割严重过分割的问题;针对区域生长遥感图像分割算法的两大问题，本文分析了目前的研究现状，分别提出贪心算法合并策略和阶梯式参数增长策略的方法来对区域生长算法进行优化。针对每种改进都通过实验检验其有效性。主要研究工作如下:　　研究了遥感图像分割的定义以及遥感图像分割算法的理论基础、面临的挑战等，研究了数学形态学理论及其在遥感图像处理中的应用。深入分析了腐蚀膨胀的原理，讨论了腐蚀膨胀操作对遥感图像的作用以及处理效果。　　研究了遥感图像分割算法计算量大的问题，提出首先使用分水岭算法对遥感图像进行初步分割，然后基于分水岭分割得到的亚像元集合进行区域生长遥感图像分割，将区域生长分割算法的处理对象由像素转化为像素集合（亚像元），通过实验证明提高效率36倍。　　研究了基于分水岭的遥感图像分割算法过程中，分水岭分割的结果过分割严重的问题，提出采用腐蚀膨胀操作对前景对象进行标记的方法优化分水岭分割的输入，从而提高分水岭分割的分割质量。　　研究了区域生长遥感图像分割算法的区域合并策略，分析了全局最优区域合并策略和种子扩散区域合并策略的优缺点，提出一种贪心算法合并策略，提高效率2-3倍。　　研究了区域生长遥感图像分割算法的尺度选取问题，针对基于最优尺度分割算法执行效率低和单尺度分割算法分割质量差的问题，提出一种阶梯式尺度参数增长策略的区域生长遥感图像分割方法，并通过实验证明阶梯式尺度遥感图像分割算法在保证了较高分割质量的同时，提高效率20倍。