图像分割是图像处理、模式识别和人工智能这些领域中一个非常重要的研究课题，而基于统计学的图像分割它是在数学模型基础上结合图像分割理论的优越算法。遥感图像通常表现为：信息量大、边界模糊、灰度级多、目标结构复杂等特性，由于这些特性，使得没有完全可靠的模型对遥感图像的分割进行指导，因而在一定程度上阻碍了分割技术在遥感领域的应用。核磁共振图像由于数据量大、分辨率高、对人体无损伤等特点而得到广泛的应用，由于脑核磁共振图像分割技术具有极高的应用价值已经成为近年来医学图像分割的研究热点。本文重点研究基于统计学的图像分割方法，并把这些方法应用到遥感图像分割和核磁共振图像分割中，通过实验对比找到最优算法。本文的主要研究内容包括如下：1）对统计学图像分割方法进行深入研究。对现有的统计学图像分割进行了具体阐述，包括OTSU法、矩不变算法和最大熵分割算法，并综合分析这三类算法的特点，为在该邻域进行更深一步的研究提供了参考。2）MRF模型在图像分割算法中的特点。首先介绍二维平面上的MRF模型及其相关的基本概念，再说明Gibbs分布和MRF的等价性关系，并提出MRF-MAP框架这种在基于MRF的应用中常用的方法，最后介绍了应用于图像分割的MRF算法，包括SA算法和ICM算法。针对传统MRF的势能函数过于简单的特点，根据上下文关系和欧氏距离对势能函数做出改进，通过实验结果说明其有效性。3）介绍核磁图像和遥感图像的特点。将传统的MRF算法和势能函数改进后的MRF算法应用在遥感图像和核磁共振图像中，通过实验分析对比可以得知改进了势能函数的MRF算法对核磁共振图像和遥感图像的分割效果更好。