影像分割是对影像进行对象分析前的一个重要步骤。然而近年来随着遥感影像分辨率的增加，影响分割精度的因素也随之增多，在这种情况下，信息采集范围较小且步骤单一的传统算法逐渐出现分割线偏移以及欠分割等问题。
　　针对以往分割算法出现的缺陷，对分割过程做出以下改进。利用高斯滤波器处理高分辨率遥感影像，减小噪声点的影响。通过构建梯度-颜色空间融合模型对像素点进行聚类生成超像素，增加对影像中信息量的采集。采用监测合并方法改良超像素的聚类形状，避免了超像素形状产生变形。
　　在超像素合并过程中利用超像素标准差，对超像素的差异程度进行判断，通过最小生成树将同类型的超像素子区域合并至同一地物目标，提高目标分割的精度获取最终分割结果。
　　利用改进算法和其它算法进行数据集的超像素分割。对比改进算法与其它算法生成的超像素，改进后的算法有效减少了欠分割等问题，并且分割线也具有更高的精度，体现出在复杂影像中的分割优势。
　　将榆次区的部分高分二号卫星遥感影像和无人机航拍影像作为实验数据，通过改进后的算法和其它算法对其进行阴影分割和地物目标分割。利用总体精度、Kappa系数、结构相似性指数对分割结果进行精度分析。在分割实验中，算法对GF-2卫星遥感影像中的阴影部分进行了有效检测，改进了欠分割问题，并顺利提取了无人机航拍影像中阴影部分的道路，提取后的目标边界线清晰合理，具有一定的实用性。通过对比多种算法的分割结果，本文所用算法在多项精度指标中都具有最优值，并且在分割效果的对比中，分割线的分布情况也要优于其它算法，验证了算法的有效性和合理性。
　　改进后的分割算法可以有效提高影像分析的精度，提高影像分析的效率和质量，对土地地类分析、建筑物检测、植被覆盖等领域也具有一定的应用价值。