Markov随机场(Markov Random Field，MRF)理论与贝叶斯理论相结合作为图像处理的理论框架之一，已经广泛应用于计算机视觉及图像处理领域中。MRF以提供先验信息的方式增加了对图像处理的约束条件，和以高斯场为形式的条件分布结合，提供了方便而直接的方法以概率来描述图像像素具有的一些空间相关的特性。MRF与Gibbs分布的等价性的提出又推广了其在数字图像处理中的应用。本文运用MRF理论研究如下几个方面的问题：1．图像去噪是图像分割等的预处理步骤之一。二值图像去噪有着广泛的应用，例如指纹图像预处理，文本图像复原等。作者针对运用模糊Gibbs随机场(GRF)进行图像去噪时，Gibbs二元势团参数β由经验给定后不能自适应随图像区域特征改变的不足，提出了一种自适应改变β值的算法，使在图像边缘β值自动调小以较好保留图像细节信息，在图像灰度平缓区域内β值自动调大以有效抑制噪声。通过对比实验表明，该方法在识别率上和细节分辨率上具有一定的优势。2．图像分割是医学图像分析中的重要环节，基于MRF的图像分割方法用Gibbs分布中的参数表征图像不同像素间的关联性，对图像中的噪声有较好的抑制作用。作者提出一种有别于经典模拟退火(SA)算法、条件迭代模式(ICM)算法的混合算法：重构精英策略遗传算法(REGA)。该算法通过重构精英染色体把混合遗传算法用于基于MRF的图像分割。实验证明该算法在相同参数设置和相同计算时间的情况下分割效果优于ICM算法，SA算法和遗传算法(GA)。3．作者在视觉信息处理过程的启发下，在现有的灰度空间的高斯—马尔可夫混合金字塔模型的基础上，提出了小波域的高斯—马尔可夫混合金字塔模型(W-GMHP)，利用小波域提供的低频(LL)，中频(LH，HL)和高频(HH)更丰富的信息可以对图像进行比只在灰度空间更好的处理。然后，作者对此模型与视觉信息处理过程的相似性进行了初步的探讨。