摘要： 本文提出了一种基于分布特征的多尺度无监督图像分割方法。通过对多尺度图像数据在每个尺度上进行Gauss子集聚类，并将每个像素的邻域内的Gauss子集类别标记作为特征向量，利用多尺度Markov模型进行二次聚类，从而实现无监督图像分割。与其它基于多尺度Markov模型的无监督分割方法和传统动态聚类方法相比，该方法既无需假定每类的分布形式，又能较好地反映数据的概率结构。对合成图像与SAR图像的实验结果表明，该方法的分割精度接近于有监督的H—MPM和H—SMAP方法。

关键词: 图像分割 多尺度 聚类 树模型 四叉树 分割方法 SAR图像 Markov模型 SMAP 合成图像