本文针对基于马尔可夫随机场模型(MRF)的图像分割技术进行研究，通过深入分析马尔可夫随机场模型用于图像分割时的优缺点，提出了改进方案，将其用于单帧图像的无监督分割和动态场景下的运动目标分割。主要研究内容包括以下几部分。　　 第一部分详细介绍了马尔可夫随机场模型，包括邻域系统和基团的概念、初始标记场的获取、能量函数的确立和MAP估算方法。　　 第二部分针对噪声图像的预处理，提出一种多尺度双边滤波算法来综合不同尺度下双边滤波的去噪效果。为降低双边滤波的计算复杂性，提出一种双边滤波快速计算方法。该算法能够在去除噪声的同时较好地保留边缘。　　 第三部分针对MRF模型用于图像分割中遇到的过平滑问题，定义了一种间断自适应高斯马尔可夫随机场模型(DA-GMRF)，提出一种基于该模型的无监督图像分割方法。利用灰度直方图势函数自动确定分类数及分割阈值，进行多阈值分割得到标记场的初始化，用Metroplis采样器算法进行标记场的优化，得到最终的分割结果。该方法考虑了平滑约束在图像边缘处的自适应性，避免了边缘处的过平滑，将其应用于无监督图像分割取得了较好的效果。　　 第四部分针对动态场景下的运动目标分割，提出一种基于间断自适应时空马尔可夫随机场模型的运动目标分割方法。解决了传统时空马尔可夫随机场模型不能对运动造成的显露遮挡现象进行处理问题，也克服了全局一致平滑假设造成的过平滑问题。帧差图像二值化得到初始标记场，初始标记场进行‘与’操作获得共同标记场，用Metroplis采样器算法实现共同标记场的优化。该方法既使用了平滑约束，而又保留了间断，从而使分割得到的运动目标边缘更加准确。