图像分割是由图像处理到图像分析的关键步骤,是计算机视觉中的重要技术。基于马尔科夫随机场(Markov Random Field, MRF)的图像分割是一种基于统计学理论的图像分割方法,具有顾及到局部像素之间的相关性,充分利用了先验知识,模型参数较少并且容易与其他方法相结合等优点,所以该方法在图像分割领域得到广泛的研究和应用。本文研究了基于MRF的图像分割算法,重点研究了基于MRF的小波域多尺度图像分割方法,以及应用此方法并顾及区域变化率的情况下对不同时相的遥感影像进行变化检测。首先,进行了基于MRF的小波域图像的模型建立及分割的研究,在此基础上提出了各个尺度之间变权重的标记场模型和特征场模型的方法,图像经过小波变换多尺度建模后,每个尺度所表达的图像信息侧重点有所变化,实验表明通过在不同的尺度下对标记场模型和特征场模型都进行变权重设置,权重随着图像的尺度数以及尺度内迭代次数的变化而变化,能够得到更好的分割结果,区域完整性和边缘准确性都有所提高。其次,本文将上述方法应用于变化检测,提出了顾及区域统计信息的方法。遥感影像的变化检测由于图像配准、辐射校正、阴影等不可抗拒的因素导致虚检率增大,本文提出的方法经过统计可以得到各个分割区域所对应的变化率,实验表明利用统计信息可以降低虚检率,改善变化检测效果。