图像分割就是将图像划分成若干个区域的集合，每个区域在物理上都具有意义，相同的区域拥有相同或相似的性质，不同的区域具有不同性质的过程。从图像处理到图像分析的过程中，图像分割是关键步骤之一,它是进行特征提取、运动估计、目标识别、场景重构等高级视觉信息处理的前提和基础，将贝叶斯理论与马尔科夫随机场(Markov Random Field，MRF)相结合得到的图像处理理论框架，具有参数少、模型简单、易于其他方法相结合的特点，因此被广泛应用于图像分割领域。本文运用MRF研究了以下几个问题：首先，研究了MRF中的MAP(Maximum A Posteriori)求解办法，针对条件迭代(Iterative Conditional Mode，ICM)算法整幅图像只能选取一个耦合系数，分割效果不够细腻的情况下，本文利用四叉树分解原理，在ICM算法的基础上得到一种基于四叉树分解的非均匀MRF耦合系数估计方法，结果显示改进算法分割效果得到改善，区域连通性好，得到了更为细腻的分割效果，具有很强的适应性。其次，不同初值的选取对ICM算法的结果影响巨大，针对这种情况，本文将物理学中模拟淬火(Simulated Annealing，SA)法引入到图像分割中，该方法理论上可以得到全局收敛的分割结果，解决了初值选取对实验结果产生的影响，但是耗时巨大，基于此，本文将图像中的点定义为稳定点与不稳定点，得出一种基于不稳定点的SA改进分割方法，在分割过程中，只对不稳定点进行计算。结果表明改进算法在不影响分割效果的情况下，提高了效率，缩短了运算时间。最后，本文将ICM算法与SA算法相结合，同时考虑到耦合系数的选取与运算时间，得到一种ICM—SA算法，解决了初值和耦合系数对分割结果产生影响的问题。实验结果表明分割结果具有很强的自适应性，分割效果好。