通过修改离差预测的方式,对高斯马尔可夫随机场(Gauss　Markov　Random　Field)模型加以改进,提出层次型多光谱高斯马尔可夫随机场(Hierarchical　Multispectral　Gauss　Markov　Random　Field,HMGMRF)模型及其相应的分割算法.影像分割时,先通过HMGMRF模型分析地物在各波段光谱特征的变化趋势(即地物各波段的纹理特征),期间结合了＂谱间相关＂这一特性,将离差预测时的邻域空间由原先的单层扩展为多层,增加了纹理特征的维度,从而提高了模型在描述纹理特征方面的能力;接着,基于贝叶斯原理,采用EM(Expectation　Maximization)算法对各类地物的模型参数进行迭代估算;最后,基于增强型纹理特征,依据MAP(Maximum　A　Posteriori)原则,实现影像分割.实验结果表明,所提出的基于HMGMRF模型的分割算法具有较强的识别地物能力,可以获得较高的分割精度.