图像分割是图像处理中必不可缺的部分。在高分辨率遥感影像的探索和应用中,通常需要提取关于影像的某些区域的信息。自20世纪70年代以来,图像分割一直受到人们的高度关注。在以往的研究中,尽管学者们已经提出了各种不同的分割技术,但由于各种影像的特定问题,多种尺寸以及特定区域的影像差异,仍然缺乏一种普适的,可以用于所有影像的通用分割方法。同样,也缺乏科学和通用的准则来确定图像分割的成功与否。本文选用高分辨率GF-1遥感数据作为数据源,从图像分割和图像分类两个方面出发,研究适用于大区域下的高分辨率遥感影像的图像处理技术。取得的成果概括如下:(1)基于GF-1卫星影像,选取适合的图像增强技术和噪声去除技术以减少图像过分割,通过分水岭变换完成图像的初始分割。结合基于图论的方法,通过建立一定的区域异质性度量准则,对初始分割区域进行区域合并,形成原始图像的超像素分割结果。(2)基于GF-1卫星影像,以超像素分割结果,作为支持向量机图像分类的特征提取样本,通过选择适当的特征集合,对高分辨率遥感影像进行土地覆盖类型提取。(3)完成对实验区高分辨率影像的图像分类实验及相应评价。最后,对分类结果进行精度分析和综合分析。结果表明本文提出的算法具有较高的提取精度,很好上实现了大区域下遥感影像的图像分类。