为准确、自动地进行高分辨率遥感图像地物目标对象分割,提出一种基于狄利克雷过程混合模型(DPMM)和马尔可夫随机场(MRF)的无监督对象分割方法(DPMM-OMRF)。首先,使用网格划分超像素为基本对象;其次,使用多维高斯分布构建DPMM先验,并使用相似性度量构建MRF先验,二者以自适应权重方式相结合作为DPMM-OMRF模型的先验分布;然后,在贝叶斯框架下,将基本对象的似然分布与联合先验分布结合,构建DPMM-OMRF模型,并推导类标签的条件分布;最后,通过推导和计算类标签后验概率,设计Gibbs采样方法,更新DPMM-OMRF模型的标签场和参数。实验结果表明,DPMM-OMRF模型的总体分类精度(OA)提高到90%左右,Kappa系数接近0.8,并且能够准确地识别出地物目标类属数和更加准确地分割出完整地物目标对象。 （共10页)
