高分辨率遥感影像具有很高的空间分辨率，含有更丰富的信息，在城市规划、土地利用等领域得到了广泛的应用。在这些应用中，经常需要将目标从背景中分离出来，也就是进行图像分割。然而分辨率的提高在给影像解译带来便利的同时，也增加了图像分割的困难。这主要是因为随着分辨率的提高，需要分割的纹理数量增加、纹理内部的光谱差异变大、像元的邻近效应增加、阴影区增多。现有的图像分割算法基本上都是针对普通图像设计的，没有充分考虑高分辩率遥感影像的特点，存在着分割精度不高，容易造成过分割等问题。本文针对高分辨率遥感影像分割中存在的问题进行了深入研究，取得以下成果。　　 针对使用离散分形布朗函数法计算图像局部分形维数时存在的计算量大，计算时间长的问题，设计了快速算法。在改进算法中，通过建立两个相邻窗口间灰度总变化的递推关系，来减少无谓的重复计算。理论推导及实验结果都表明，新算法的计算效率提高数倍。　　 针对模糊C均值算法对初始值敏感的问题，设计了基于最远距离初始值选择算法，减少了原算法中随机选择初始值的性。　　 分形维数作为特征具有对尺度变化、灰度变化、噪声不敏感等优点，然而仅靠单一尺度上的分形特征无法完成对纹理图像的精确分割。而小波变换能在不同尺度上对纹理进行分析，可对纹理细节进行任意聚焦。本文将分形和小波分析两种技术结合起来，在小波分解后的多个通道上提取分形特征，提高了分割的精度。此外，为了加快处理速度，引入了层次分割法。先对原图像进行分块，再对图像块执行两级小波包分解，从每个子带中提取分形特征，最后执行模糊C均值聚类算法，实现粗分割。将粗分割阶段未完成分割的图像块中像素标记为“0”。在细分割阶段，对整个图像执行两级小波分解，在每个子带上提取分形特征，为每个像素建立特征向量。利用标记不为“0”的像素计算各个纹理类的中心，使用最短距离分类器将标号为“0”的像素归入到对应纹理类。　　 为了验证算法的有效性，分别使用了合成的Brodatz标准纹理图像和Quickbird高分影像作为测试数据。实验结果表明，使用文中设计的算法能完成标准图像和高分影像的分割，具有较好的效果。