基于跨维马尔柯夫链蒙特卡罗法(TD－MCMC)的图像分割方法是一种自适应多阈值图像分割方法，这种方法可以对具有任意复杂度目标或者背景的灰度图像自适应确定目标区域数和分割阈值，实现全过程的自动分割。　　 该方法基于Bayes理论，不仅能准确估计图像模型的模型阶次，而且能准确的估计模型参数，具有模型参数较少，比较容易和其他方法相结合的优点，现如今其应用范围越来越广泛，逐渐成为图像分割应用中备受关注的方法之一。　　 首先本文针对图像灰度直方图数据建立了图像数据初始模型，并依据贝叶斯理论对模型参数和模型阶次建立联合后验概率模型，在状态转移过程中利用M－H采样方法进行采样，构造跨维马尔柯夫链。　　 其次，本文研究了图像模型中几种径向基核函数对图像灰度直方图拟合结果的影响，并重点研究了模型中各个参数的初值变化对图像分割结果的影响，在得到图像数据的最佳模型之后，准确的估计图像分割区域数和分割阈值，最后采用信息熵的方法对本文分割算法进行量化评价。实验表明，本文的估计方法较为准确，将它应用于图像分割方法中，准确的估计了图像的分割区域数，并且改善了图像分割效果。