随着高空间分辨率遥感影像广泛应用于国民经济的各个方面,基于对象的影像分析方法已经成为遥感影像分析技术的主流。遥感影像中地物类型多样、尺度不一,呈现出层次化、结构化的特点,这使得尺度问题成为基于对象影像分析的关键问题之一,多尺度分析是解决这一问题的有效途径。但是目前基于对象的多尺度分析方法受各种技术条件的限制,多尺度表达能力有限、尺度转换困难、层次关系表达不清晰等,难以发掘地物的多尺度性质,这对基于对象的影像多尺度分析带来了巨大的挑战。准确的、多尺度的区域表达是基于对象的多尺度影像分析的基础,其直接影响着后续分析的精度。因此,研究遥感影像中区域多尺度表达方法,探索新的基于对象的多尺度影像分析方法,对高空间分辨率遥感影的解译具有重要的意义。论文以基于区域的影像多尺度表达为核心,阐述了其基本的理论依据,设计了基于区域的影像多尺度表达数据结构；并提出了一种高效多特征结合的影像多尺度表达实现方法,并针对其中的数据冗余设计了一种有效的约简方法；进一步以高分辨率影像建筑物提取为例探索了在本文多尺度表达框架下进行遥感影像分析的新方法。论文的主要工作具体如下：1、定义了基于区域的影像多尺度表达中的“尺度”的含义,提出了以集合对影像分割的区域予以记录的概念(本文中称为尺度集),并设计了相应的尺度索引的二元分割树数据结构(尺度集结构),用以实现基于区域的影像多尺度表达。该结构以规则的二元分割树(Binary Partition Tree, BPT)为基础,引入尺度参数对树的节点进行索引。该结构能有效的获取任意尺度下影像的多尺度表达形式,尺度转换方便,层次关系明晰。2、实现了一种基于层次区域合并的基于区域影像多尺度表达实现方法。该方法以初始过分割为起点,通过逐次的两两区域合并,最终构建整个多尺度结构。首先,提出了一种区域自适应的分水岭分割的方法,以实现快速的初始过分割；其次,设计了光谱-纹理-形状-边缘相结合的区域合并代价,以实现最佳的区域合并效果；最后,以影像分块表达总误差为尺度参数对多尺度表达节点进行索引,实现多尺度结构的有序表达。通过实验证明,通过所提的方法,有效的解决了多尺度表达中的关键难点问题；通过与其他算法的对比,证明了所提方法在效果和效率上均已可匹敌同类商业软件。3、针对尺度集中的数据冗余特性,提出了冗余数据约简的概念,并设计了利用局部和全局性质进行冗余数据分析和约简的方法。首先,分析了初始过分割对影像多尺度表达造成的数据冗余；其次本文分别从区域局部性质演变和影像全局的多尺度演变出发分别设计了基于局部性质多尺度演变、全局性质多尺度演变和局部-全局相结合的多尺度结构冗余数据约简。实验结果表明,采用所提的算法能够有效保留多尺度表达结构中的有效信息,剔除冗余信息,极大缩减多尺度表达结构数据量。4、探索了在本文多尺度分析框架下进行遥感影像目标识别的新途径,以高分辨率影像规则建筑物提取为例,验证了所提方法的有效性和优越性。在本文多尺度分析框架下,可以有效的利用影像中不同地物的多尺度特征,实现跨尺度的对象分析,避免了传统多尺度分析时需要进行多次分割和目标识别的重复迭代操作。本部分中,还针对建筑物的特性,提出了一种轮廓约束的结构特征描述方法,该特征可以有效的区分完整的建筑物、过分割的建筑物区域、欠分割的建筑物区域,这是在本文多尺度框架中成功识别地物的保障之一。