图像分割是进行目标识别、运动估计、场景重构等高级视觉信息处理的前提和基础。在现实的工业制造过程中,由于受到诸如光照变化、阴影、背景杂斑等外界因素影响,处于精细尺度的待分割目标信息非常不可靠。通过多尺度重构能够在较高尺度可靠的表征像素分类似然信息,这就涉及如何融合包含粗尺度信息在内的多尺度上下文信息来实现可靠分割这一技术难题。因此,动态背景下多尺度统计图像分割相对静态背景下的分割更具实际意义和挑战性。对于动态背景下多尺度统计图像分割,一方面由于外界环境变化是动态的和随机的,要求多尺度信息融合算法具有较高的鲁棒性；另一方面,在不同的初始化条件下,要求融合算法收敛于一致性结果。这样,使多尺度信息融合算法的鲁棒性和融合结果的一致性成为动态背景下图像分割有别于一般图像分割的关键约束。多尺度马尔可夫随机场模型为图像多尺度统计建模和跨尺度通信提供了一种可行的计算框架,现有基于多尺度马尔可夫随机场模型的图像分割算法正是通过融合模型中多尺度分类似然信息来实现。其中多尺度隐马尔可夫随机场图像分割算法通常将模型中的多尺度信息融合问题转化为优化问题,采用最大期望、动态规划、迭代条件模型等算法对代价函数进行优化,一定程度上能进行多尺度信息融合,并在SAR、多光谱遥感、红外和医学图像分割等领域得到应用。但是把这些技术扩展到动态背景下的图像分割,却显得不能满意。原因在于：一方面用最大期望或迭代条件模型算法求解最大后验分布存在初始化和局部极值问题,不同的初始化条件得到不同的最大后验概率估计；另一方面即使动态规划算法能搜索沿多尺度隐马尔可夫随机场模型的最可能隐状态通道,却只能对边界信息有效编码,而无法融合和识别目标的区域信息；更为重要的是,在能量最小化过程中对一元和二元边缘约束进行松弛并不合理。鉴于此,针对当前多尺度隐马尔可夫随机场图像分割算法中亟待解决的关键理论问题,本学位论文在国家自然科学基金“基于无约束凸优化的多尺度动态图像分割方法研究”(项目编号60962007)和云南省教育厅青年研究基金“印刷设备多介质耦合系统创新设计”(项目编号6Y0145D)的资助下,从以下四个方面开展深入研究：1)精细尺度马尔可夫随机场图像分割。研究在精细尺度构建马尔可夫随机场模型,在此基础上,研究标签场和观察场的建模理论,以及如何将图像分割问题转化为标签场的最大后验概率估计问题,进而采用迭代优化算法实现精细尺度的图像分割。以动态背景下的烟叶目标分割为应用对象,与固定阈值方法对比,对精细尺度马尔可夫随机场图像分割算法进行评价。2)小波域多尺度马尔可夫随机场图像分割。研究通过二维离散小波变换进行图像的多尺度建模,在此基础上,研究多尺度图像的尺度内建模方法与跨尺度通信方法,在单一尺度内对小波系数进行高斯混合模型建模,在尺度间采用隐马尔可夫树对小波系数的跨尺度依赖性进行统计建模。研究如何在多尺度分割过程中融合图像先验信息,以及如何采用最大期望算法实现多尺度像素的统计分类。以动态背景下的烟叶目标分割为应用对象,对含有噪声图像的多尺度马尔可夫随机场分割算法性能进行评价。3)多尺度马尔可夫随机场图切分优化图像分割。研究采用最大期望算法计算图像多尺度分类似然,研究如何利用多尺度分类似然构建多尺度能量函数,以及如何在能量函数中融合多尺度区域信息和边界信息,进而研究如何利用基于图切分的能量优化方法实现近似全局优化,以实现图像的准确分割。以动态背景下的烟叶目标分割为应用对象,采用定量评价方法,对多尺度隐马尔可夫随机场图切分优化的图像分割性能进行客观评价。4)多尺度马尔可夫随机场图像分割的无约束凸优化方法。研究多尺度图像分割的全局优化方法,在此基础上,研究凸多尺度能量函数建模方法,并从理论上证明多尺度能量函数为凸,将图像分割问题转化为凸优化问题；进而研究如何在凸优化的迭代过程中考虑伪边缘似然的约束问题,实现多尺度图像分割问题到无约束凸优化问题的转化,以及采用分级信度传播方法实现无约束凸优化问题计算,从而实现多尺度图像分割。以动态背景下的烟叶目标分割为应用对象,采用定量评价方法,与多尺度非凸能量函数的图像分割性能进行对比,作出客观评价。本论文旨在探索动态背景下多尺度图像分类似然信息鲁棒融合算法,以解决多尺度隐马尔可夫随机场分类似然信息融合结果不一致难题,为多尺度随机场能量函数构建以及全局优化算法提供理论指导和依据,并在烟叶大片率识别的实际生产过程中得到应用。