随着科技社会的飞速发展,数字图像处理在计算机科学、电子技术、生物医疗、自动化、卫星定位等方面得到了广泛的应用。其中数字图像处理主要可以分为三个层次:狭义图像处理、图像分析和图像理解。其中图像分割是连接图像处理和图像分析的关键步骤,图像分割的准确程度严重影响后续图像分析和图像理解的应用,凡是需要对图像信息进行特征提取或追踪的,都需要图像分割这一步骤,所以说图像分割技术在图像处理领域的地位是十分重要的。马尔科夫模型因其能够刻画图像的空间信息,并且有着完备的数学理论而在图像分割上得到广泛的应用。马尔科夫随机场可以利用图像本身的特性(例如,灰度值,颜色,纹理特征)来对图像进行建模,它可以将图像的交互信息融合到图像分割的过程中去。本文主要针对单尺度马尔科夫模型、多分辨率马尔科夫模型和基于分层的马尔科夫模型进行分析和改进,重点研究了基于小波域的多尺度马尔科夫模型。论文的主要工作和创新如下:首先介绍了马尔科夫随机场模型的基本知识和几种常见的MRF随机场类型,说明了参数估计方法和具体计算过程。最后我们介绍了几种图像分割的最优准则并讲述了不同准则的代价函数构成及其在使用上的优缺点。然后本文将基于偏微分方程的各向异性的扩散方程引入到马尔科夫模型中,作为该算法的预处理过程,本文将传统的各向异性的扩散方程进行改进,采用数学形态学非线性滤波来代替高斯滤波,这样不仅能在保留边缘特征的同时有效滤除噪声,消除细小孤立点,而且还能解决高斯滤波后边界移位问题。在对图像进行预处理去噪之后,利用模糊C均值聚类对图像进行初始分割,分别采用混合高斯模型和Potts模型对特征场和标记场进行建模,然后通过MAP准则对标号场和特征场的能量和进行最小化,最后通过ICM算法对图像进行最终分割。接着,我们研究了在多分辨率下马尔科夫模型的原理及特点。首先分析了利用小波变换的图像多分辨率表示方法,通过将图像的特征场和标记场建立在一系列小波系数上,来使得每一尺度的特征场都能利用本尺度的标记场,然后分别利用MLL模型和GMRF模型对标记场和特征场进行建模,并采用EM算法进行参数估计,最后根据MAP准则求能量和的最小值。该模型从最大尺度开始,求得该尺度图像的分割结果,并将本尺度的分割结果直接映射到与它相邻的较小尺度,作为较小尺度的初始分割,经过这样的层层迭代,就得到了最终的分割结果。为了解决基于多分辨率马尔科夫模型中将标记场和特征场能量进行加权为1的简单加和给分割结果带来的影响,本文提出了一种变权重的多尺度马尔科夫随机场模型,该权重综合了分割尺度、迭代次数和分割类别数对标记场能量和特征场能量作用大小的影响,最后通过实验证明了该算法的可行性。最后,我们对基于分层的马尔科夫模型进行了深入研究和算法改进。首先介绍了简单的基于分层的马尔科夫模型,它是将标记场建立在一系列小波系数上,这样就形成了标记场在各尺度间的因果关系,在该模型中只采用最高分辨率下的特征场,最后利用SMAP准则完成图像的分割。为了解决简单的基于多尺度的马尔科夫模型很难描述图像冗余性的缺点,产生了基于小波域的分层马尔科夫随机场模型,该模型的特征场和标记场均建立在多层次的小波域上,每一层的标号场都利用了本尺度的特征场,这样就很好地描述了纹理图像的非平稳特性。这虽然解决了非平稳性和方向性的问题,但是局部空间信息也没有得到解决。为此,本文提出了一种基于自适应可变势函数的小波域分层马尔科夫模型,该模型采用了结合尺度间的因果马尔科夫模型和尺度内的非因果马尔科夫模型的双马尔科夫模型,这样既保留了原有模型的优点,又将局部空间信息引入到分割过程中,通过EM算法估计尺度间的交互系数,而且对不同尺度间引入了自适应可变势函数,使得分割结果既保留了原有的真实边界又具有良好的区域性。