随着遥感卫星分辨率的提高,遥感技术在国土资源利用、城市环境监测和自然灾害预报等领域得到了广泛应用。分割是遥感图像应用的一个重要方面,同时也是遥感图像研究的重点和热点之一。一般来说,遥感图像含有大量特征,包括光谱特征、形状特征和纹理特征等,若只用其中一种特征,通常很难获得高精度的分割结果,因此如何合理地利用多种特征来进行遥感图像的分割以获得更好的分割效果是一个值得研究的问题。本文从特征提取、特征选择和特征融合方面入手研究遥感图像的分割。主要工作包括:1.提出了一种基于蚁群优化多类特征融合的遥感图像分割算法。首先对二进制蚁群算法的路径选择机制和信息素更新机制进行了改进,提出了基于改进二进制蚁群算法的特征选择方法。通过对多类特征进行特征选择来完成多类特征的横向融合,最后将获得的最佳融合特征用于图像分割。在合成纹理图像、合成遥感图像和真实遥感图像上的实验结果表明:1)对于大部分图像,多类特征融合的效果优于单一特征;2)基于改进二进制蚁群算法的特征选择方法比其他五个特征选择算法更有效;3)该算法能针对不同的图像自适应地选择出最适合的融合特征,取得较好的分割效果。2.提出了一种基于自适应权重的多类特征融合的遥感图像分割算法。针对第一个工作中多类特征融合没有考虑特征权重对分割结果的影响的问题,该算法在使用特征选择方法完成多类特征融合的基础上,再利用遗传算法对融合特征的各类特征权重进行优化,并分别使用惩罚法和修复法来处理约束条件。在合成纹理图像、合成遥感图像和真实遥感上的实验结果表明:该算法能针对不同的图像自适应地选择出最佳融合特征,并分配最合适的特征权重。与未进行权重优化的融合特征相比,该算法的分割结果有一定的提高。3.提出了一种基于蚁群优化多维特征选择的遥感图像分割算法。该算法的本质是在原始特征集上对每一维特征进行选择,并为改进二进制蚁群算法增加分段变异策略。在合成纹理图像、合成遥感图像和真实遥感图像上的实验结果表明:1)该算法在提高分割性能和降低特征维数上都有不错的效果;2)与其他两类多特征的使用方式相比,使用多维特征选择方式的分割结果更好。因为该方式可以在更细的维度上选择有用的特征,删除不相关或冗余的特征,充分利用多个特征的丰富信息。