目前,随着空间分辨率的不断提高,高分辨率遥感影像所蕴含的地面信息愈加丰富,人类可以通过高分遥感卫星获取更加详细的对地观测数据,这些发展使得针对高分辨率遥感影像的应用越来越广泛,但在另一方面,庞大的数据量和复杂的背景噪声给图像处理带来了巨大挑战。图像分割作为遥感信息提取和自动化识别等应用的基础步骤显的尤为重要。根据高分辨率遥感影像自身特点及其分割难点,本文着重对传统分水岭变换图像分割算法进行研究并予以改进,以适用于高分辨率遥感影像。论文针对高分辨率遥感影像地物纹理丰富、背景噪声复杂的特点,引入了一种形态学混合开闭重建滤波器,该滤波器在充分考虑地物几何形态和大小的基础上对影像进行平滑,在去除噪声、提高均质性的同时保持地物的原始边界,对图像平滑处理技术具有理论参考意义;结合极值标记算法及形态学梯度图像重构技术,形成了一种结合形态学滤波和极值标记的分水岭变换图像分割算法,该算法在很大程度上抑制了传统分水岭变换的过分割现象,提高了图像分割的精度;根据遥感影像的多光谱特征,引入一种彩色向量空间的梯度图像求取算法,并结合自适应扩展极小变换阈值选取技术,对改进后的分水岭变换算法进行优化,进一步提高图像分割结果的精确度;对于分割结果的评价,论文引入不一致性图像分割精度评价法,通过将本文算法分割结果同人工目视解译结果进行叠置分析,计算分割区域数量和面积差异,从而得出包括过分割指数在内的6个评价指标值,最后将该评价结果同eCognition软件分割的评价结果进行对比,得出本文分割算法的优劣。