合成孔径雷达(Synthetic Aperture Radar,SAR)由于具有全天候、全天时、能穿透云雾、烟尘,大面积地获取地表信息的特点,成为现代遥感技术研究的一个热点问题。但是SAR成像机理与传统光学图像有很大的差异,其数据处理的难度主要在于:人们难以从SAR图像直接反演地表物理现象,成像过程所带来的相干斑噪声使地物目标在SAR图像中具有独特的信息特点,常规的基于图像灰度的数字图像处理与分析技术难以取得令人满意的效果。作为获取地面信息的重要信息来源,SAR图像的解译技术是当前遥感以及计算机视觉领域的前沿课题。SAR图像区域分割技术有助于对SAR图像中所含分布式目标区域的信息进行分析与解译。利用水平集方法研究SAR图像分割问题是近年来SAR图像分割的一个新的研究方向,由于相干斑噪声的影响,现有的基于水平集的分割方法难以直接应用于SAR图像分割问题。主要表现为对SAR图像的特征信息利用不够和极化SAR图像分割问题的研究工作不深入两个方面。本文从讨论SAR图像信息入手,提出了一种基于水平集的SAR图像分割方法。本方法首先通过对SAR图像的分析得到基于SAR图像纹理特征的边缘检测算子,定义了适用于SAR图像分割的能量泛函,该能量泛函能够同时描述SAR图像的区域统计特征和边界特征。其次,本文依据分层分割准则还介绍了一种SAR图像多区域分割准则,建立了一种新的多区域水平集模型,并根据该模型和分级分裂准则推导了能量泛函关于水平集函数的Gateaux导数,对图像中的不同区域进行分割。分割试验证明,本方法适用于含有相干斑噪声的SAR图像,在分割过程中不需要噪声的预处理过程,而且分割速度快,精确度高,适用性强。此外,本文将水平集方法用于极化SAR图像的分割中。首先,根据Cloude提出的特征分解方法,获取两个重要的旋转不变极化特征参数:极化熵H和参数α;其次,由基于简化Mumford-Shah图像分割模型的C-V方法,建立分割的能量泛函,完成极化SAR图像的分割。试验证明,该方法实现了极化SAR图像的自主分割,同时还有去除图像噪声的优点。但是此方法受参数影响较大,而且区域数目越多用时越长,本文将在未来的工作中寻找克服这些缺点的优化算法。