随着信息技术的发展,越来越多的图像信息影响和改变着人们的生活,人们对图像分类的要求也日益提高。由于条件随机场模型(Conditional Random Fields,CRF)能够融合利用图像的多种类型特征和上下文信息,在图像标记中发挥重要作用。但是,CRF标记结果只能确定区域大致位置,存在边缘类别模糊的问题。因此,本文提出一种层次的组合型图像标记和分割方法,结合CRF和控制标记符的分水岭变换算法,应用于自然图像建筑物的检测。论文的主要工作包括：第一,CRF模型的来源、产生过程及模型的概率论基础。分析了CRF模型最重要的三个关键问题：势函数定义、参数估计以及模型推断。第二,提出了CRF与控制标记符的分水岭变换相结合的方法。首先,使用条件随机场模型标记建筑物区域。CRF标记区域的过程为提取所有图像位置的特征,经过模型选择、模型训练和模型推断等阶段,获得相应的类别标记。然后,对CRF已标记出的建筑物区域,使用二重形态学灰度重构方法进行图像增强。其次,以增强的图像为输入,应用控制标记符的分水岭变换检测建筑物区域的边缘。第三,实验对比。比较了本文提出的组合模型与CRF模型、马尔可夫随机场模型、CRF同其他分水岭变换结合的实验结果。实验结果表明,相比于其他方法,本文提出的组合方法,改善了边缘检测的精度,提高了图像分类的准确率。