随着遥感技术在现代科学技术领域中的地位愈发重要,有关高分辨率遥感影像地物分割的研究逐渐增多。在遥感影像地物分割领域,目前存在两类问题亟待解决:多数针对一对一地物的分割及识别的传统算法,难以准确分割以至识别出多个相似地物;对于分割结果,传统算法将地物划分为两两不相交区域,这样的情形并不适用于存在重叠、过渡区域的遥感影像。本文针对这两类问题进行研究,分别在相似地物分割与识别、分割结果的相容关系分析两方面提出了相应算法:1)针对高分遥感影像中的相似地物,在SIFT算法(Scale-Invariant Feature Transform,SIFT)的基础上提出一种多相似地物分割及识别算法—DBSIFT算法(Double-Gaussian Backward SIFT,DBSIFT)。该方法在SIFT的基础上构造了二重高斯差分金字塔,提高了尺度不变特征的检测效率;通过改变特征匹配方向,实现了相似地物一对多地物匹配模式;最后利用狄利克雷过程对相似地物进行聚类。经实验证明,DBSIFT在利用二重高斯差分金字塔进行图像特征时,遍历操作所需的加法与乘法运算次数减少,降低了遍历耗时,提高了特征检测效率;在相似地物识别实验中,DBSIFT能识别出大多数相似地物,识别效果优于SIFT;利用9个分割质量评价指标对分割结果进行评估,本文提出的DBSIFT算法误分割率、过分割率较低,分割较理想。2)针对分割结果中重叠地物的不恰当划分,在传统多尺度区域合并分割算法的基础上提出了基于相容关系的遥感影像地物分割算法。该算法对遥感影像进行精细分割、超像元集构造以及区域合并,获得初始分割结果;对分割结果进行相容关系分析、连续性判别后,依次构造了相容块、极大相容块和空间连续相容块,并从理论上证明了空间极大覆盖的存在。在对9个遥感样本进行实验分析后,本文基于相容关系的分割算法能清晰明了地分割出遥感影像地物中的轮廓与细节;与传统多尺度区域合并分割算法进行分割质量评估对比后得出,基于相容关系的遥感地物分割算法效果良好,验证了该算法的有效性。