随着合成孔径雷达（SAR）技术的迅速崛起，SAR成像具有全天候、多波段、多极化、穿透性强等特点，在海冰检测、城市规划、军事侦查以及农作物病虫害防治中扮演着重要的角色。图像分割是图像解译和识别的关键环节，分割效果直接影响后续图像处理与解译，分割的关键步骤是将感兴趣的目标区域从复杂的背景区域中精确提取出来。由于其独特的成像方式以及存在对图像质量影响较大的相干斑噪声，使得在分割方法的选取上同其他光学图像有着本质的不同。因此，寻找一种算法简单、分割效率高、普适性较好的SAR图像分割方法具有积极意义。　　本课题对近年来国内外的主流分割方法进行了对比研究，结合SAR图像本身的特性，针对SAR图像底层分割中存在的问题，提出将改进的蜂群算法和Tsallis熵相结合，采用多阈值分割的研究思路。在改进蜂群算法方面引入Le vy飞行更新策略，改进初始化种群以及搜索策略。在阈值选取方面，充分考虑图像空间和灰度信息，用改进Tsa llis熵作为阈值选取准则。通过以上算法及改进算法的实验研究，应用在SAR图像分割中取得了不错的效果。具体工作内容及成果如下：　　首先，针对SAR图像易受噪声干扰、分割方法精度低的问题，提出一种基于频域引导滤波和Tsallis熵的SAR图像多阈值分割方法。算法先利用非下采样Contourlet变换对图像多尺度分解，提取图像各方向的高频信息，再利用引导滤波增强高频分量的边缘信息，在保持边缘的同时抑制相干斑噪声。然后利用改进的Tsa ll is熵的多阈值对增强图像精确分割。结果表明，提出的分割方法对噪声不敏感，分割精度和适应性有了明显提高。　　然后，针对频域引导滤波易造成分割误差大，解译结果可靠性低等问题，提出一种基于稀疏分解和改进蜂群算法的SAR图像多阈值分割方法，算法利用相干斑噪声分布的稀疏性，通过鲁棒性主成分分析提取图像的稀疏分量，再利用双边滤波增强图像细节信息。然后利用改进的蜂群算法搜索多阈值对增强图像进行分割。结果表明，算法在保持分割图像的连通性的同时，能增强图像细节信息，具有更高的分割精度。　　最后，针对人工蜂群算法在分割背景复杂的图像时存在计算量大、易陷入局部最优、计算时间长等问题。提出了一种基于Levy飞行特征的改进人工蜂群算法的SAR图像多阈值分割方法。算法将二维Tsa ll is熵单阈值的分割方法扩展到多阈值分割，同时建立二维Tsa llis熵的多阈值选取方法，结合改进的人工蜂群算法，搜索多阈值用于SAR图像分割。由于寻优过程极易陷入局部最优，因而引入了Le vy飞行特征策略来改进蜂群算法易陷入局部最优的缺点，提出了一种基于Le vy飞行特征和二维Ts a llis熵的多阈值图像分割方法。实验结果表明，与传统方法相比，本文方法在运行时间和分割精度上都有明显优势。