海冰漂移检测不仅能够进行气候变化预测,还能够预防海冰挤压毁坏船只、石油平台等事故的发生。合成孔径雷达(Synthetic Aperture Radar,简称SAR)因其不容易受光照和云雾等天气因素的限制,而且可以全天时、全天候进行卫星成像的优势被广泛应用于海冰漂移探测中。由于SAR海冰图像在成像过程中受入射角、海杂波、天气等因素影响,导致同一地方不同时间的两幅SAR海冰图像明暗程度不同,且海冰形变、旋转等因素使得同一海冰在两幅SAR图像中的特征有所不同。同时,基于SAR的成像机制使同一类型的海冰在SAR图像中有相似的特征,以上原因极大地增加了海冰漂移探测的难度,本文对SAR海冰漂移探测方法做了深入研究,并完成了以下工作:首先对比分析了常见海冰漂移算法的特点,并针对Sentinel-1图像在成像过程中受入射角、噪声、环境因素影响等问题,对特征跟踪方法做出模拟实验,从图像明暗程度、海冰的漂移旋转和尺度变换等多个角度对目前常见的特征跟踪算法进行比较与分析,为选择适用于SAR海冰漂移探测方法提供依据。同时,在理论方面列举出常见的模式匹配方法的特点及应用,为后文特征跟踪与模式匹配算法的结合提供了理论基础。为了解决SAR海冰图像多处区域具有相似性而导致的海冰漂移探测错误率高的问题,设计了一种误匹配剔除方法,该方法不仅简明高效而且匹配精度也比传统方法高,很好地结合了SIFT特征跟踪方法,有效地提高了海冰漂移检测的正确率和实时性能。针对SAR影像强噪声区域漏检、错检等问题,首先研究了SAR数据HH和HV极化数据在海冰漂移检测中的差异,并通过特征融合的方法将两种极化数据检测到的特征信息有效地应用于海冰漂移检测中,其检测的海冰漂移矢量在空间分布和覆盖率方面均得到了一定程度的提高。又提出一种基于三角剖分的特征跟踪与模式匹配结合算法,有效应用于高分辨率SAR图像海冰漂移检测,并从计算效率和匹配正确率两方面进行比较,该算法不仅能提高模式匹配的检测速度,而且不易受尺度变换、光照和角度的影响,其检测结果对图像噪声也有较高的鲁棒性,能进一步提高检测精度和均匀度,弥补了传统的特征跟踪算法在局部区域特征点缺失的不足。为验证特征跟踪与模式匹配结合算法的性能,将该方法与其他经典的海冰漂移探测方法进行比较,实测数据结果表明,在双极化Sentinel-1图像的海冰漂移检测应用中,算法表现出较高的空间覆盖率和均匀性,相比模式匹配算法,算法时间降低了约88%,有效提高了检测效率。本文又研究了HH极化和HV极化数据强噪声区域下该算法的适用性,不同极化数据的实验结果显示,本文算法所得海冰漂移矢量不仅有更高的覆盖率,而且均方误差降低约10%,检测精度提高,面对噪声的鲁棒性增强,即使在条带噪声的干扰下,检测准确率仍高达98%,可见该算法对两种极化方式具有普适性,从而证明该方法能够有效地应用于海冰漂移监测。