面向对象影像分析方法是目前高分遥感数据信息提取的主流方法,而影像分割是该方法中一个重要环节。影像分割结果为后续影像信息提取提供了数据基础,其质量直接决定信息提取的精度。因此,从不同的影像分割结果中确定出最优影像分割结果用于后续的影像信息提取具有重要意义。目前,国内外在该研究领域还没有形成一套比较高效可靠的研究方案与研究方法。论文基于非监督评价方法,提出了一种能够客观表达、确定遥感影像最优分割结果的自动化方法。论文的研究主要体现在以下三个方面:(1)基于影像的整体最优分割结果确定方法针对现有方法不能较好顾及高分数据多光谱信息的问题,本文基于信息熵原理,构建相应的光谱信息离散度(SID)指标,分别用以表达分割对象内均一性((?)_mean)和相邻对象间异质性((?)_mean)。基于(?)_mean和(?)_mean构建分割参数范围指标(SPR),通过分析SPR指标值随分割参数变化,排除极端欠分割结果对应的分割参数,从而自动确定出合适的分割参数区间,该做法有效避免了现有方法中需人为主观设置分割参数的问题。同时,本文基于(?)_mean和(?)_mean构建分割整体评价指标(SEI),用以表达影像分割结果质量。根据SEI值,确定出影像的最佳分割参数区间范围(L,R)。在(L,R)内,其分割参数对应的最大SEI值点的分割结果被确定为影像整体最优分割结果。为了进行下一步影像全局最优分割结果确定,利用构建的能量函数E值方法,在(L,R)分割参数区间内确定出影像整体较优分割结果(即:在该分割结果中影像上某类地物处于一种最优分割状态)。将所有整体较优分割结果对应的分割参数作为下一步影像全局最优分割结果确定的约束条件。(2)基于分割对象的全局最优分割结果确定方法基于影像的整体最优分割结果并不能保证遥感影像范围内各类型地物都能达到各自的最优分割状态,经常出现影像中某些地物对象处于过分割或欠分割状态,对这些分割对象进行优化处理,可以进一步提高影像分割质量。因此,本文在影像整体最优分割结果基础上,利用构建的分割对象评价指标(SOI)确定出处于欠分割状态对象。利用前期确定的影像整体较优分割结果对应的分割参数对该类对象进行再分割处理,得到影像全局较优分割结果。在影像全局较优分割结果基础上,再利用SOI指标确定出处于过分割状态对象。同样利用前期确定的影像整体较优分割结果对应的分割参数对该类对象进行再处理,得到影像全局最优分割结果。(3)方法的验证与应用将本文得到的影像整体较优分割结果、影像整体最优分割结果、影像全局较优分割结果、影像全局最优分割结果以及参考分割结果进行相互比较,证明了本文所提出的影像最优分割结果自动化确定方法的有效性。并将该方法与其他主流方法进行了对比,证明了该方法的优越性。同时,将该方法应用在其它实验区,进一步证明了该方法具有一定的普适性。