合成孔径雷达（Synthetic Aperture Radar，SAR）是一种高分辨率相干成像雷达。与红外和可见光遥感技术相比，SAR具有全天时，全天候工作的优点，因此广泛应用于军事和国民经济邻域。SAR图像分割是SAR图像处理的重要环节，是影响SAR自动解译性能的关键技术之一。模糊c均值(FCM)聚类算法是模糊聚类分析中的经典算法，比较适合处理图像中的不确定性问题，已经广泛应用于图像分割中。目前国内外学者已经提出了许多用于图像分割的改进算法，但是用在处理SAR图像时，由于相干斑噪声的影响，并不能获得理想的结果。本文在研究了已有的基于FCM聚类的图像分割算法的基础上，提出了两种新的用于SAR图像分割的改进算法，具体内容和工作如下：1）针对传统的非局部均值(NLM)算法的不足，提出了自适应的非局部均值(SNLM)算法。SNLM主要有两方面改进：针对NLM不能很好的处理中心像素的邻域内含有两大类的情况，提出了自适应的相似度度量方法，提高了边界附近像素的平滑效果。针对NLM算法滤波参数难以设定和硬滤波参数不能很好的平滑各区域噪声的问题，提出了自适应的滤波参数计算方法，不仅可以自动选择滤波参数，而且提高了各区域的平滑效果。2）通过分析已有的快速FCM图像分割算法，结合SNLM算法提出了自适应非局部快速模糊c均值聚类(SNF_FCM)图像分割算法。SNF_FCM使用SNLM算法对SAR图像进行平滑，然后对平滑后的图像的灰度级进行聚类，在得到对灰度级的分类结果后，根据各个像素的灰度值对像素进行归类，从而完成SAR图像分割。通过在模拟图像和真实SAR图像上的实验，表明SNF_FCM图像分割算法具有很高的区域一致性，在类间差异较为明显的SAR图像上能够获得很好的分割结果。3）通过分析模糊聚类的类内离散度和类间离散度，得出同时考虑这两者是合理的，鉴于传统FCM算法只考虑了类内离散度，提出了结合类间离散度的非局部模糊c均值聚类(NBS_FCM)图像分割算法。NBS_FCM算法使用SNLM提取的非局部均值作为非局部修正惩罚项，以此平滑噪声的影响；使用类间离散度惩罚项，提高聚类结果的类间离散度。通过分析得出，类间离散度惩罚项实际上可以调整各聚类中心间的距离。在模拟图像和真实SAR图像上的实验结果表明，NBS_FCM图像分割算法不仅在类间差异较为明显的SAR图像上能够获得很好的分割结果，而且在含有彼此差异不均衡且难以区分的类的SAR图像上，仍然可以得到较好的结果。