合成孔径雷达（SAR）是一种主动的航天、航空微波成像系统，具有全天时、全天候、多波段、多极化以及多视角的地面观测数据获取能力，在军事与民用领域均获得了广泛的应用。针对SAR系统获得的大量观测图像数据，SAR图像解译技术已成国内外学者的研究热点。　　由于SAR图像中存在的斑点噪声以及对复杂地物目标特征提取的局限性，基于局部特征分析判决的解译过程易产生不具备空间一致性的解译标记结果。本论文以有效结合标记结果空间相关性的随机场模型为理论基础，从SAR图像局部特征提取分析角度出发，开展基于非平稳随机场模型的SAR图像空间相关性建模方法研究，获取局部特征内像素空间非平稳相关性的有效描述。本论文所提出的非平稳随机场模型能够描述单时相SAR图像内空间非平稳相关性，用于提高SAR图像分割解译效果；同时，亦能够描述两时相SAR图像间空间非平稳相关性，用于改善SAR图像变化检测解译效果。本论文的主要研究内容以及取得的研究成果可概括为以下四部分：　　1.针对低阶邻域下TMF模型对SAR图像复杂结构信息描述的局限性，提出基于高维邻域像素空间的TMF模型（HN-TMF），挖掘SAR图像局部高维邻域内空间非平稳相关性，从而改善SAR图像的分割效果。在HN-TMF模型中，通过对SAR图像局部自协方差特征的提取与分析，重新定义辅助标记场的物理意义，指示对应像素点处于匀质或异质区域。依据中心像素所处匀质或异质区域，将图像局部高维邻域内结构信息有效的融入到先验势能函数的针对性构建中，并提出其中所需空间相关作用参数的估计方法。实测SAR图像上的仿真结果表明HN-TMF模型能够在高维邻域下对SAR图像非平稳空间相关性进行准确刻画，在SAR图像匀质区域以及包含复杂结构特征的异质区域中均获得较好的分割结果。　　2.针对SAR图像受斑点噪声影响所造成的像素观测信息不确定性，提出基于模糊标记信息融合的TMF（ALF-TMF）模型的分割算法，该模型能够挖掘SAR图像斑点噪声影响下的非平稳空间相关性，提高分割效果。ALF-TMF模型通过局部梯度特征分析对每像素分配主方向信息，并根据主方向信息之间的差异重新定义附加标记场。以像素观测信息与空间相关先验信息联合分析为基础，自适应生成模糊类别对分割标记场进行模糊化扩展，并构建融入模糊类别信息后的似然分布以及先验势能函数。实测SAR图像上的仿真结果表明ALF-TMF模型能够在斑点噪声干扰下对非平稳空间相关性进行准确刻画，从而获得具有较好斑点噪声鲁棒性以及细节保持特性的分割结果。　　3.由于区域级CRF严重依赖于超像素的准确划分，无法保证其在SAR图像异质区域内的分割效果，提出基于自适应非平稳混合CRF（AHNCRF）模型的分割算法。针对SAR图像中存在的匀质以及异质区域，自适应构建区域级以及像素级CRF来实现对图像的合理后验建模。在超像素初始划分基础上，采用基于超像素边界特征提取分析的创新方法来对SAR图像中匀质区域以及异质区域进行有效区分。对于异质区域，提出结合局部自协方差特征的像素级CRF模型，以实现局部细节特征非平稳空间相关性的准确描述。实测SAR图像上的仿真结果表明AHNCRF模型能够对SAR图像匀质区域以及异质区域进行有效区分，并对异质区域内细节特征非平稳空间相关性进行准确刻画，从而在异质区域内获得较好的分割结果。　　4.考虑到变化检测标记结果中可能存在的非平稳空间相关性，提出基于TMF模型的SAR图像变化检测算法。针对于两时相SAR图像变化检测问题，重新定义TMF模型中的附加标记场，使其描述两时相SAR图像之间的空间非平稳纹理特征相似性。基于重新定义的附加标记场及其物理释义，构建恰当的先验势能函数，并在其中引入自适应权重参数来改善传统MRF模型在正确检测率与虚警率之间存在的折中问题。实测SAR图像上的仿真结果表明TMF模型能够通过两时相SAR图像特征联合分析对SAR图像间的非平稳空间相关性进行准确刻画，并将其与自适应权重参数有效结合，获得具有较为理想的正确检测率与虚警率的变化检测结果。