建筑物是城市遥感图像的典型地物之一，对遥感图像中建筑物进行提取和测量广泛应用于地物测绘、GIS系统更新、数字化城市以及军事侦察等领域。遥感图像分割是实现这一目标的关键。为了快速有效地从遥感图像中分割并提取目标建筑物，本文采用无监督环境下基于马尔可夫随机场（Markov Random Field, MRF）方法对遥感图像中建筑物目标进行分割。首先对空域MRF模型图像分割方法进行了研究。空域MRF模型从统计学角度出发，将图像各个像素颜色值视为具有一定概率分布的随机变量，在已知特征场观测值条件下，将图像像素间马尔可夫性作为待分割图像的先验分布，采用贝叶斯规则通过数学模型进行图像分割。借助MRF和GRF的等效性，将后验概率计算问题转化为后验能量计算，采用ICM算法作为优化算法求解得到概率最大的状态。最后通过EM算法迭代使得参数估计和图像分割交替进行，求得隐数据的一个最佳实现。由于遥感数字图像通常不是平稳的随机信号，为了更好表达图像的非平稳特性，将小波分析和Markov随机场模型结合进行遥感图像中建筑物目标分割。首先小波分解得到图像的多尺度序列作为各个尺度特征场的观测值，采用高斯混合模型建模特征场，以MRF模型作为标记场先验概率分布模型，大尺度的分割结果直接投影到小尺度上，作为初始结果并进行优化。如此迭代最终获得原始分辨率的分割结果。最后，对分割结果进行数学形态学处理，利用相关性和常见建筑物形状模板进行匹配，检测建筑物目标的位置。通过选择多幅遥感图片进行实验分析，该方法能够完成复杂背景下的建筑物目标分割并能对规则目标进行检测。