遥感影像分割是遥感信息提取的重要环节之一,也是影像分割技术在遥感领域中的具体应用。目前遥感影像分割方法众多,但尚无一种通用的分割方法,且遥感影像分割远未达到自动化的程度。迄今为止,遥感影像分割应用最成功的软件是以ecognition软件的分形网络演化算法为代表的遥感影像多尺度分割。即使如此,遥感影像分割仍然面临一些困境：（1）在很多情况下,人们不得不在影像分割的过程中加入大量的人工干预；（2）在某些情况下,即使可以实现某类遥感影像的自动分割,但分割所用的参数往往还是需要通过人工反复地进行实验来确定；（3）分割精度不高,分割边界不完整等问题依旧困扰着我们。近二十年来,随着计算机技术的发展,一些新的影像分割技术不断地出现,并被迅速用于遥感领域。在这些新的方法中,以变分水平集为基础的活动轮廓模型的影像分割方法获得了人们的广泛关注,该方法从一定程度上解决了上面的一些问题。该方法的最大的优点是具有坚实的数学基础,其数学模型中的能量函数有明确的物理和几何意义,能量函数的最小化——即分割的优化可通过变分理论进行近似求解,因此近些年成为影像分割领域的研究热点。从最初的基于边缘的活动轮廓模型——snake算法到现在分割效果更佳的基于区域的活动轮廓模型,以偏微分方程解算为基础的变分水平集影像分割方法的模型在不断更新,其应用领域也在不断扩大。传统的基于区域的活动轮廓模型存在计算速度慢、能量函数非凸,因此易陷入局部极值等问题。因此本文以提高遥感影像分割速度、改善影像分割质量以及提高算法的稳定性等为目标,重点研究基于区域的变分水平集遥感影像分割方法。论文将全局凸优化模型、Split Bregman快速算法等变分水平集领域中的新方法引入遥感影像变分水平集分割模型和算法中；将快速算法推广到多区域分割；针对典型的遥感光学影像（全色影像、多光谱影像）和SAR影像,采用不同的变分模型进行影像分割,讨论其参数选取的规律和模型的适用性。具体的创新性研究成果包括：（1）将全局凸优化模型作为遥感影像两相分割的能量泛函,然后利用SB快速算法实现对该模型的快速计算。这种模型和算法组合的新颖之处在于：全局凸优化模型可以得到影像两区域分割的全局最优解,从而在两区域影像分割方面突破了传统变分水平集模型容易陷入局部极小值和易受初始轮廓位置的影响等问题;Split Bregman算法的优势在于将Bregman迭代和分裂技术结合在一起,可以实现影像的快速分割,这在一定程度上解决了传统变分水平集方法计算速度慢的困扰,此外Bregman迭代可以提高分割的准确性。（2）提出了一种基于边缘检测和噪声分布模型的多特征集成的变分水平集影像分割模型,将SB快速算法推广到多相影像分割,给出了多特征集成的SB快速算法的迭代公式。（3）针对两类常见的遥感影像类型——遥感光学影像和SAR影像,分别选择特定的边缘检测函数和噪声分布模型代入多特征集成的变分水平集能量泛函中,给出相应的模型解算流程。论文用多幅遥感光学影像和合成影像SAR影像及真实SAR影像进行试验,验证了方法的正确性和有效性。