在遥感图像分割中,自动确定图像类别数是其重点也是难点问题,为此,提出了基于像素和区域两种策略下利用可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo, RJMCMC)算法实现可变类图像分割的方法。首先,根据贝叶斯定理建立基于像素和区域的分割模型。在基于像素的分割模型中,为了表达像素标号的邻域关系,用马尔可夫随机场(Markov Random Field, MRF)建模标号场；假设其同质区域内各像素服从同一独立的统计分布；然后利用贝叶斯定理,构建后验概率密度函数。在基于区域的分割模型中,首先利用规则划分技术将图像域划分成若干个子块,在此基础上,用改进的Potts模型刻画标号场；假设同一子块的像素服从同一独立的统计分布且所有子块相互独立,从而构建图像模型；然后根据贝叶斯定理,建立基于区域的分割模型。图像分割模型建立完成后,利用RJMCMC算法模拟该模型。在模拟过程中,设计的移动操作包括：分裂或合并实类、改变参数矢量、改变标号场、生成或删除空类及分裂或合并子块。为了验证提出方法,分别对模拟图像、合成孔径雷达(Synthetic Aperture Radar, SAR)图像及彩色遥感图像进行可变类分割实验,实验结果表明,提出方法不仅能自动确定图像类别数,还可以实现同质区域分割；并对分割结果进行定量及定性评价,通过评价结果,验证了提出方法的可行性及有效性。