合成孔径雷达(SAR)具有全天时、全天候、高分辨率、成像技术灵活等特点,并且已经在军事和民用等领域获得广泛应用。SAR图像包含丰富的信息,通过数字图像分割技术可以从SAR图像中提取感兴趣区域或目标。图像分割是图像处理到图像分析的关键步骤,是实现特征提取、参数检测和模式识别等应用的基础,研究SAR图像分割技术具有很强的理论意义和实用价值。目前,基于区域化模型的SAR图像分割方法成为研究的热点,它比基于阈值、基于边缘检测等分割方法具有更强的抑制噪声能力,并且分割结果更精确。区域模型的建立存在过度分割和边缘检测两个问题,针对这两个问题,本文以瞬态系数(ICOV)梯度算子为基础,提出建立边缘保持的SAR图像区域化模型,并应用于SAR图像分割。为此,主要开展以下研究内容:1.研究建立具有边缘保持特性的SAR图像区域化模型。SAR图像的相干斑噪声会导致过度分割,并且破坏边缘信息。各向异性相干斑降噪(SRAD)滤波器不仅能有效滤除相干斑噪声以此减轻过度分割,而且具有保持边缘信息的能力,本文将SRAD应用到构建边缘保持特性的区域模型中。2.提出将ICOV梯度与分水岭变换相结合获得区域化模型的初始区域。ICOV梯度算子对边缘具有单一峰值响应,并且响应宽度很窄;而分水岭对弱边缘具有良好响应,能检测出连续、封闭且单像素宽度的边缘。将ICOV与分水岭相结合,在获得大量均匀区域同时,还实现了目标边缘的准确检测。3.研究构建基于分水岭初始区域的区域邻接图(RAG),完成SAR图像区域化模型的建立。传统的描述图像方式是基于像素水平的,数据量大而且图像结构复杂;而RAG以较小区域(即像素集)为基本单元描述图像上下文结构关系,简化了图像结构。最后,将建立的SAR图像区域模型与区域水平马尔科夫场(MRF)分割方法相结合,并应用于SAR图像分割中。实验结果表明,本文提出的分割方法比基于其它经典梯度的分割方法具有更高的目标边缘检测与定位性能。