随着遥感技术的发展和卫星空间分辨率的不断提高,高分辨率遥感影像广泛应用于各个领域。结合高分辨率遥感影像的特点,面向对象的图像处理方法取代了传统基于像元的图像分析法。图像分割是面向对象图像分析方法中最重要的环节,分割形成的初始区域是后续信息提取的最小分类单元,所以分割的好坏直接影响到后续的图像识别、解译和分类的精度。所以,本文在深入分析原有模型算法优劣的基础上,对遥感影像图像分割的最优分割尺度的选择方法进行了研究,本文所使用的高分辨率遥感数据为WorldView2影像数据。首先,本文实现了一种可计算机自动进行的基于主成分变换的高分辨率遥感图像全局最优分割尺度选取算法。该算法以主成分变换所得的主成分影像作为图像分割的编辑层,利用对象内的同质性和对象间的异质性,通过全局质量评价函数值得到最优分割尺度参数,能够达到最好的分割效果。其次,在单一尺度分割的基础上,结合空间纹理和光谱信息,本文提出了一种基于对象纹理混杂度的高分影像欠分割对象识别方法,所得到的图像分割结果更符合真实地物的分布情况。最后,使用局部Moran指数合并对象内像素值比较均匀、且与周边地物相似度较高的分割对象,最终形成一幅具有三层分割尺度的分割结果图。实验证明,本文设计的多尺度分割方法对高分辨率遥感影像的分割效果较好,可有效避免人为确定分割尺度的主观性、片面性和低效性,提高了高分辨率影像分割质量,为后续图像分类和信息提取做好高质量的预处理工作。