为了更好地描述同质区域内纹理结构特征,提高基于统计的遥感图像分割精度,论文将马尔科夫随机场(Markov Random Field,MRF)模型用于标号场与特征场的建立,提出一种基于MRF标号场和特征场的区域化遥感图像分割方法。首先,利用Voronoi划分技术将图像域划分成若干个Voronoi多边形;为刻画邻域多边形标号的相互关系,利用MRF模型定义标号场,并假设其服从Gibbs分布;假定多边形内像素相互独立,利用高斯马尔可夫随机场(Gaussian Markov Random Field,GMRF)模型定义特征场模型;利用贝叶斯定理将标号场模型和特征场模型相结合,构建基于MRF标号场和特征场的区域化图像分割模型;利用期望值最大化(Expectation Maximization,EM)/最大边缘概率(Maximization of the Posterior Marginal,MPM)算法实现对参数的估计及最优分割的求解。为了验证提出方法的准确性及有效性,分别对合成纹理图像、真实纹理图像和遥感图像进行分割实验。实验结果表明,提出方法可以更准确的描述区域内的纹理结构特征,提高算法的抗噪性,获得较高的分类精度。