图像分割是构成图像分析的关键部分，其目标是将目标图像分割为两个或者多个具有相同特征的子区域，进而对子区域内的目标进行识别和提取。作为图像分析中热门的研究点，同时作为目标识别与检测过程中的关键步骤，图像分割的应用已经非常普及了。其中包括有遥感图像的识别、产品检测、指纹识别、医学图像分析等。本文研究对象是丹江口水库，相比于其他的内陆湖泊和水库来说，丹江口水库流域面积广阔、支流繁多且地物种类复杂，采用依靠人力的传统方式监测水库成本高、效率低，难以满足实际监测需要，而目前围绕丹江口水库的遥感研究主要以光学遥感为主，但在时间和天气上限制因素较多。因此，结合SAR技术具有全天候全天时工作、基本不受大气影响的特点，发展一套方法来有效完成复杂环境下SAR图像水陆分割是本文要解决的基础问题，具有重要的研究价值及意义。　　图像分割方法在数十年的研究与发展过程中，国内外学者提出了许多不同的分割方法，并将如形态学、集合、模糊等理论应用到图像分割的方法之中。但就目前来说，已有的成百上千的算法中，没有一种理论或者方法能对所有的图像都适用。在这些已被提出的图像分割算法中，最大类间方差法和模糊聚类算法在图像分割算法领域中充当了相当的重要的角色。因此结合丹江口水库的环境背景及SAR图像的特点，着重研究了Otsu算法和模糊聚类这两种图像分割方法，对这两种算法的理论、现状、发展做了深入的研究，在此基础上所做的工作和取得的成果如下：　　1)针对最大类间方差法(Otsu)对于信息复杂、特征信息不明显和图像面积较小的图像无法获取最佳分割阈值的问题，提出自适应多阈值 Otsu粗分割模型，通过统计SAR图像的灰度特征，以其灰度统计直方图特征作为获取自适应参数和优化分割阈值的基础，在此基础上完成对丹江口水陆的水陆粗分割，并且将粗分之后的各均匀区域的灰度均值作为模型的输出。　　2)通过分析图像的本身特性及丹江口水库的环境背景，以自适应对阈值Otsu粗分割模型为基础，结合模糊聚类算法，提出一种基于SAR图像的混合模糊的水陆分割算法。即以自适应多阈值 Otsu粗分割模型的输出来初始化模糊聚类的聚类中心，然后进行聚类迭代，得到精分割结果。最后对精分割的分类结果图进行一种基于邻域连通法的噪声滤除后处理操作；来得到最终的分割结果。　　在研究了上述算法的理论基础后，通过编写实验代码并验证了分割结果的正确性。运用混合模糊水陆分割算法对丹江口水域SAR图像分割进行了深入的研究和探索，并取得了良好的效果。主要成果及研究价值：对于复杂环境背景下的人工内陆水陆的SAR图像水陆分割有了一个实质性的探索过程；为后续丹江口水库的目标检测与识别奠定了基础；为水库库区的水域面积监测与蓄水量管理做了有效的准备。因此本论文提出的混合模糊分割算法在实践项目中有一定的研究价值和应用价值。