SAR图像海岸线检测在海岸线沿岸地图绘制、自动导航、沿海海洋资源管理等方面具有重要的价值。近年来超像素在图像分割上应用广泛,基于超像素的合并模型在提取SAR图像的边界领域上也展现出巨大的使用价值。但由于不同超像素分割效果不同,加上不同的合并策略在区域合并依据的上的不同,不适当地运用区域的各种信息进行合并也会破坏形成的海面目标或陆地目标的完整性。考虑到SAR图像分割中经常会遇到灰度等级多、边界模糊和容易受相干斑噪声等多种其他噪声影响的问题,需要利用适当的超像素分割方法和合并模型才能得到良好的分割效果。通过对比两种在边缘保持度较好的超像素分割算法对SAR海岸线图像进行初始化区域分割的效果,选择使用简单线性迭代聚类(SLIC)的超像素分割方法来进行初始化分割,这种算法能更精确地对SAR海岸线弱边界区域进行海陆像素的区分,分割出的超像素形状规则,更有利于后期的合并。在区域合并的策略上,考虑到SAR图像的成像特点,陆地区域比海面区域携带有更多的纹理特征和信息,因此,对单纯利用灰度信息进行像素合并策略的进行改进,增加了LBP/LC算子来描述像素周围的纹理特征,通过G统计法来计算区域间的纹理、灰度距离。并在其中加入形状约束参数。在图像的预处理中,考虑到SAR图像相干斑噪声是一种乘性噪声,普通图像的去噪方法、图像增强方法并不适合SAR图像,本文用Lee滤波对SAR图像进行去噪处理,在图像增强上对图像用灰度变换的方法进行增强,通过实验对比证明,利用本文选用的预处理方法对SAR图像进行预处理后,SAR图像的海岸线分割能够获得更好的分割效果。通过实验仿真和数据对比,相比于传统方法和传统合并模型,改进后的方法不仅能有效提取SAR图像的海岸线,而且精度也相对上升,初始化分割成超像素也使得合并的时间效率相对提高,显示出文本方法应用于SAR图像海岸线分割的良好效果。