遥感技术作为一门前沿学科,近几年取得了长足的发展。作为微波遥感的代表,合成孔径雷达(SAR)由于具有全天候、全天时对地球表面进行观察的能力以及空间分辨率高的特点,使得SAR在民用和军事方面发挥着越来越大的作用。随着合成孔径雷达技术应用的日益发展,合成孔径雷达数据收集能力越来越强,人工解译难以适应数据的高速增长,利用计算机及模式识别技术对这些图像进行自动或半自动快速、准确地解译可以极大提高数据处理的效率,无论在军事及民用领域都具有很好的发展前景及应用价值,SAR图像分类、目标检测、分割、识别是SAR自动半自动图像解译的几个重要的研究方向,成为国际研究热点。　　在对SAR图像的研究和应用中,人们往往对图像中的某些部分感兴趣,需要将它们分离提取出来,这就是图像分割。本文在综合分析国内外在合成孔径雷达(SAR)图像分割技术的基础上,提出了改进或推广应用了前人算法,取得了较好的分割效果。本文的主要工作内容及对前人工作的具体改进点如下:　　1)对SAR图像杂波模型作了深入研究,为了在保证检测概率的同时尽量提高检测效率,假设SAR杂波图像服从简单的瑞利分布,即选用瑞利分布模型对SAR图像进行恒虚警率(CFAR)检测,同时结合图像的统计特征改进CFAR方法:第一,针对边界像素提出新的参考窗口选取方法;第二,改进均值估计方法,充分利用参考窗口空间信息。该方法在真实SAR图像上进行了实验验证,并与一般常用方法进行了比较,给出了不同情况下的实验结果,揭示出本文算法可以在多目标SAR图像上取得较好的分割效果。　　2)介绍了模糊熵理论及在图像分割方面的应用,将基于模糊熵的图像分割单阈值、双阈值方法应用到SAR图像分割上,并结合SAR图像特点加以改进,即选用像素点邻域的平均灰度值分布所构成的直方图代替像素灰度直方图进行双阈值的选取,由于充分利用了图像的空间信息和统计特征,得到的图像目标信息、阴影信息都比较连续,而且有效克服了SAR图像的斑点噪声,图像分割结果较好。同时,为了加快参数优化速度,防止优化结果陷入局部最优解,采用了免疫遗传算法进行模糊参数的寻优,能够较好、较快的把目标和阴影从SAR图像中分割出来。　　3)简要介绍了混合模型的定义及研究方法,将基于高斯混合模型的贪婪EM算法的分割方法应用到SAR图像中。同时利用免疫遗传算法的优势,代替一般的k-均值算法对贪婪EM高斯算法进行初始化,在全局范围内搜索最优值。实验结果证明结合免疫遗传算法的贪婪EM算法能得到较好的目标分割结果,能有效地抑制SAR图像中的斑点噪声,并且可以在整个搜索空间内快速寻优,具有一定的实用价值,是一种有效的针对单个目标分割的SAR图像分割方法。