SAR图像分割是SAR图像处理的重要技术之一，是SAR图像进一步解译的基础，其目的是将SAR图像中有意义的部分提取出来，诸如SAR图像的纹理、边缘.传统的SAR图像分割算法存在分割边界不完整、分割精度不高等问题，难以满足实际的SAR图像分割需求. SAR图像中相干斑噪声存在，使原有针对加性噪声图像分割的活动轮廓模型，不再适用于SAR图像分割.本文结合活动轮廓模型和水平集方法，对SAR图像分割问题进行探索和研究，主要工作如下：在分析单目标SAR图像特征的基础上，基于ROEWA算子边缘指示函数和Gamma分布统计特性的区域信息，提出了一种改进的活动轮廓模型.模型的正则项是加权的SAR图像边缘检测算子，有利于将轮廓线吸引到SAR图像的真实边缘.为了更好地实现单目标SAR图像分割，给出了新模型的对偶极小化算法.新算法避免了传统的变分水平集方法求解时周期性初始化水平集函数的问题，提高了模型数值求解的效率.基于非凸正则化项和区域数据项，提出了一种适用于多目标SAR图像分割的改进活动轮廓模型.新模型同时结合区域信息和边缘信息，实现SAR图像精准分割的同时，更好地保护了图像的几何边缘.针对非凸正则化项的计算复杂度高的问题，提出了新模型的快速极小化算法.通过最小化能量泛函模型得到曲线演化的偏微分方程，实现SAR图像感兴趣区域的分割.实验结果表明，改进的活动轮廓模型实现了合成图像和SAR图像中目标与背景的正确分割，具有较好的边缘定位能力.