遥感影像由于具有更新速度快、获取周期短、地物细节丰富等特点，在生产生活的各个领域都得到广泛的应用。如何从海量遥感数据中挖掘出感兴趣的目标信息，是遥感影像处理的主要目标。影像分割是影像处理的必经过程，而如何准确地进行遥感影像分割仍然是一个很大的难点，因此有必要对影像分割进行研究。基于Markov随机场模型的影像分割方法比传统的基于灰度的分割方法，具有能利用影像像元之间的位置信息、易于和其他方法相结合等优点，所以此方法广泛应用于影像分割领域。　　 本文在对现有影像分割方法进行分析和总结的基础上，结合Markov随机场的特性，采用K-均值聚类算法和Markov随机场相结合的方法来分割影像，并将小波理论融合进Markov随机场分割影像中。本文的主要研究内容如下：　　 (1)在对传统影像分割方法进行归纳的基础上，对基于Markov随机场的影像分割理论做了介绍。根据影像分割方法的不同，对传统遥感影像分割方法和基于Markov随机场的遥感影像分割方法的差别进行了分析和比较。重点研究了将K-均值聚类算法与Markov随机场理论相结合用来分割不同分辨率下的遥感影像。　　 (2)为了解决像素的聚集特性问题，本文采用小波变换的多分辨率特性与Markov随机场理论相结合来分割影像。利用小波变换的多分辨率特性，使影像的观测场建立在一系列小波域上，以此来分割影像。　　 (3)为了处理好区域的标号分量和区域的一致性属性这两个分量之间的关系，本文采用变权重法，用变权重来联系标号场和灰度场之间的关系，并将其用于高低分辨率遥感影像的分割。