随着遥感技术的发展和卫星空间分辨率的提高，高分辨率遥感图像开始广泛应用于各个领域。根据高分辨率的遥感图像细节信息丰富、地物几何结构明显的特点，面向对象的遥感图像处理方法应运而生。图像分割是面向对像遥感图像处理方法中的重要一环，分割形成的初始区域是图像对象的形状表述，分割的好坏也将直接影响到后续分析、识别和解译等的精度。由于遥感图像的复杂性和图像分割自身的不确定性，遥感图像的准确分割一直是大家非常关注的问题。 上海交通大学遥感科学实验室依托上海市科委重大项目“基于影像内容的自动搜索和特定目标的变化检测与更新技术研究”(NO．055115018)，设计实现了面向对象的遥感图像处理系统ELU。本文结合该项目而进行，对高分辨率遥感图像分割方法做了深入的研究，并完成了ELU系统中多尺度分割模块的设计和实现。 首先，本文提出了一种综合使用光谱、形状和纹理的图像分割算法。算法通过有序抖动模型对图像进行处理，生成一幅特殊的纹理图像。根据图像所反映的纹理信息，选择出生长点。然后综合光谱和形状信息定义出合并距离，进而使用RAG图、NNG图完成区域合并。该算法在分割中使用了多种特征，增强了抗噪性，提高了分割精度。其次，依靠多尺度分割思想建立起网状层次结构，并利用这个层次结构所表示的局部逻辑关系实现了更高精度的分割。多尺度分割实质上是一个逐步优化、反复迭代的过程，它保证了图像分割后信息的最大化。最后，在分析了ELU系统图像分类流程的基础上，将多尺度分割算法应用于该系统中完成了多尺度分割模块的设计和实现。 试验证明，本文设计的多尺度分割方法对高分辨率遥感图像分割效果较好，符合常人的视觉习惯，满足了面向对象遥感处理系统ELU的分类精度要求。