本文研究了基于多尺度Markov模型的SAR图像无监督分割方法。由于SAR图像含有大量的斑点噪声,传统的光学图像分割方法已不再适用于SAR图像的分割,而SAR图像分割又是SAR图像后期分析和进一步处理的基础,因此,对SAR图像分割方法的研究一直都是研究的热点问题。 本文在前人的基础上,以多尺度Markov模型为基础,针对SAR图像的统计性质,给出了确定SAR图像分类数目的MMDL(Multiscale minimum description length)准则和三种SAR图像分割的上下文融合方法,创新性如下: (1) 给出了确定SAR图像分类数目的MMDL标准。在多尺度Markov模型的框架内通过引入MDL(minimum description length)准则,提出了一种确定SAR图像分类数目的新方法,并从理论上和模拟计算两方面说明了该方法的有效性。 (2) 在多尺度Markov模型的基础上,提出了一种融合上下文信息的分割算法。该算法是以上下文向量的形式提出了四种不同的上下文模型,并把这四种上下文模型分别用于融合多尺度结构上的图像信息,得到了一种基于上下文模型的多尺度融合分割方法。 (3) 将上述上下文信息融合算法引入到SAR图像的分割问题,分别提出了基于MGMM(Multiscale Gaussian Markov Model)和基于MRMM(Multiscale Rayleigh Markov Model)的上下文信息融合的SAR图像分割方法。前一种方法通过融合图像的上下文信息,有效的抑制了SAR图像的斑点噪声,解决了现有的MGMM模型不适用于SAR图像分割的问题;后一种方法以多尺度Markov模型为基础,根据SAR图像的统计性质,用Rayleigh分布比较很好地描述了斑点噪声的拖尾性,并采用了上下文信息融合算法来进一步改善分割结果,实验表明,这种方法适合于SAR幅值数据的分割。 (4) 考虑SAR图像数据的非Gauss分布统计特性,针对EM算法难以给出非Gauss分布参数估计的缺陷,给出以MAR模型作为特征提取器产生SAR图