目前,应用马尔可夫随机场模型(Markov random fields,MRF)针对灰度图像分割技术比较成熟,但由于彩色图像承载更多信息,目前已有的分割方法大多存在分割速度慢、分割结果不精确、通用性不高等问题。针对以上问题,本文结合MRF模型,利用RGB(Red,Green,Blue)颜色分布模型描述颜色信息,替代传统灰度模型,对图像分割算法做了一定研究工作。(1)分割模型的对比与选取。研究了几种使用最广泛的图像分割算法,对其优缺点进行比较,最后选定了参数少、抗噪性好、模型稳定、易与其他模型结合的MRF随机场模型并对其进行改进。研究了国内外MRF理论与其他模型相结合应用在图像分割领域的进展,分析各算法优缺点,并借鉴将MRF理论与其他模型结合的思路,针对彩色图像分割算法进行研究。为获得精确的彩色图像分割结果,本文在前人已有研究上提出了基于RGB颜色空间模型的MRF彩色图像分割算法。(2)图像分割模型的建模与参数选取。本文首先介绍了MRF随机场的基础理论模型,其中还有模型中邻域系统与基团的定义,参数估计方法等,然后针对这几种常用MRF模型,以及图像的最优分割标准做了对比,并列举了每种分割标准的优缺点。为了选取一个合适的颜色分布模型来描述彩色图像像素点的信息,对比了几种常用颜色分布模型,比较其优缺点。综合考虑本课题研究对象的实际情况,选取了RGB作为本算法的颜色分布模型。(3)优化算法研究。本文分别将平面MRF模型和分层MRF模型与RGB颜色空间相结合,提出了两种优化算法。运用MRF模型表达了图像像素点之间的空间关系,在RGB颜色分布模型下很好的表达了每个像素点的像素值的信息,提高了算法分割结果的精度和分割速度,且适应性高。为验证本文算法的优越性,在同一运行环境,同一分割目标的条件下,将模糊C均值聚类算法与本文算法进行比较。实验结果表明本文算法在算法计算速度和分割结果的精度上更优越,证明了本算法的有效性。