近年来，随着卫星遥感技术的快速发展，高分辨率遥感影像已经被广泛地应用到国民生活的诸多方面，极大促进了社会与经济的发展，人们对高分影像的应用需求也在不断地加强。但是传统的面向像素的单一尺度图像分割技术，由于没有利用高分辨率影像的丰富的空间信息以及尺度因素对地物分割的影响，影像分割效果不甚理想，已经不能满足实际的应用的需求。面向对象的多尺度分割技术，可以结合不同地物的空间特征，在不同尺度下对不同地物进行分割，实现不同地物的最优分割。因此，研究面向对象的多尺度分割方法可以改善地物的分割精度，提高高分辨率遥感影像的应用水平。本文首先对目前遥感图像分割领域的常见分割方法进行了综述，并分析这些算法在高分辨率影像处理过程中存在的不足，提出了一种基于多尺度思想的分割方法。其次，论述了基于测地学的分水岭算法的原理与数学模型，并根据应用背景针对分水岭算法过分割严重的问题进行了改进。通过寻找局部极小区域进行，并对极小区域进行面积约束，以便在减少过分割的前提下，保证面向像素的分割精度。大量的数据试验验证了所提方法在高分辨率影像分割中的可行性，这为后续研究图像多尺度分割奠定了基础。最后，在面向像素分割基础上，本文提出了一种基于局部异质性最小的区域合并的面向对象的分割方法。在该方法中考虑了光谱信息和几何结构信息，使分割结构更具实际意义。同时考虑到遥感观测过程中的多尺度现象，本文提出了一种自动确定各类别最优尺度的方法，通过实际高分辨率影像进行测试，实验结果验证了该方法的有效性。