图像特征提取与分割是计算机视觉和图像处理的研究基础。由于图像复杂的空间排列,以及同类地物内部的光谱异质性,使得传统的基于光谱单特征的图像分割,无法取得较好的分割效果。这就需要在图像分割过程中,有效的利用图像的纹理、尺度和对象等多特征信息。多尺度几何变换是一种能够在多尺度、多方向上对图像进行稀疏表示的有效方法,也是近年来,在傅里叶变换、小波变换(Wavelet)的基础上,模拟人类视觉系统的图像表达。多尺度几何变换能同时表达图像在空间域与频率域中的特征,为后续图像多尺度特征提取的研究奠定了基础。本文从多特征、多尺度的角度对图像分割进行研究。研究成果如下:(1)图像多尺度特征提取与分析。对图像进行轮廓波(Contourlet)纹理特征提取,首先,用拉普拉斯金字塔将图像分解为高频与低频部分;然后,在方向滤波器下,提取出图像高频分量中的多方向特征;最后,对高频多方向特征进行矢量叠加,即得到轮廓波提取出的多尺度、多方向图像纹理特征。实验结果表明:多尺度方法提取的纹理特征在视觉和精度上都要优于传统方法提取的纹理特征,Contourlet纹理特征比灰度共生矩阵(GLCM)纹理特征、Wavelet纹理特征能够提取出图像纹理特征更多的方向性信息。(2)图像多特征分割改进算法研究。在均值漂移(Mean Shift)核函数的构建上,进行多特征核函数的改进,并将其运用于图像多维特征空间中,得到改进的多特征均值漂移图像分割算法。(3)对高分影像进行基于多特征多尺度均值漂移图像分割。相同均值漂移带宽尺度下,融入多特征,进行高分影像的分割,与传统均值漂移图像分割实验结果进行对比。实验结果表明:多特征图像分割较单特征图像分割更能区分出图像的细节信息,使得分割结果更加准确。(4)在均值漂移图像分割之后,进行面向对象归一化割图像分割研究。将均值漂移分割后的超对象,作为图构建中的结点,面向对象计算归一化割算法中的权重系数,进行面向对象的归一化割图像分割。实验结果表明:面向对象归一化割算法,优化了均值漂移的过分割现象,同时提高了归一化割算法的运行速度、分割效率。