本文研究了一种基于CRF的判别模型来学习不同类别标签的后验条件概率分布，并通过最大化该后验概率来得到最佳标签。CRF能量函数纹理模块利用形状滤波器来描述图像的底层纹理特征以及基于周围像素纹理特征的上下文信息；采用Joint—boosting算法迭代构造一个强分类器对图像进行初步的标注。在MRSC21-objectclass数据集上进行实验来评估我们建立的模型的性能。实验结果表明，该模型基于像素点的分割精度能达到71．6％，在识别准确率以及分割效果方面，具有较强的竞争力。