随着科技水平的不断提高，遥感图像的分辨率也越来越高，其应用越来越广泛。相对于中低分辨率遥感图像，高分辨率遥感图像能够将地物描述得更加清晰。怎样充分利用其提供的丰富地物信息，以便更有利于实际应用，是现在的研究热点。对于高分辨率遥感图像，传统分析方法以像素为基础，己经难以胜任，于是，研究人员提出了面向对象的处理方法。图像分割是面向对象分析方法的关键一步，也是难点。通过分割，图像被划分为一个个初始区域，这些区域是遥感图像面向对象分析的基本单元。所以，分割结果对后续处理的效果影响很大。高分辨率遥感图像场景复杂，有各种性质不同的区域，存在大量光谱信息接近但性质不同的区域，传统的分割方法很难进行高精度分割，会错分大量区域，从而对后续处理产生负面影响。根据高分辨率遥感图像中地物细节清晰可见，纹理信息丰富的特点，本文重点研究了如何描述高分辨率遥感图像的纹理特征。局部二值模式可以有效描述图像的纹理信息，利用这一点，可以在分割过程中利用纹理信息，来区分不同区域，提高分割精度。针对传统的局部二值模式存在对高分辨率遥感图像不同区域区分能力不强的缺点，本文在旋转不变一致局部二值模式的基础上定义一种改进的算子，描述高分辨率遥感图像纹理特征的能力更强，经过实验证实，其对高分辨率遥感图像不同性质区域的区分能力更好。利用该算子，可以较好地区分那些光谱信息接近但纹理信息相差较大的区域，有效防止将不同区域分割为同一区域，提高了分割精度。本文提出两种基于区域局部二值模式值分布的纹理区域合并准则，分别基于Kullback-Leibler距离和Bhattacharyya距离。结合统计区域合并算法，充分利用了高分辨率遥感图像的信息，大大提高了分割精度，有效将大量光谱信息接近的不同区域分割出来，灵活控制图像的分割尺度。这两种算法的分割效果好于ENVI5.0和统计区域合并方法的分割效果。