合成孔径雷达（SAR）是一种主动微波式成像系统，可以全天时、全天候不间断对地物目标进行监测，并且具有多波段、多极化和多角度的地物目标数据获取能力，因此被广泛应用于军事和民用领域。SAR图像分割是SAR图像能够被有效解析的前提和关键，分割能够有效反映目标的空间相关性，揭示SAR图像的本质，从而被广泛研究。但是SAR图像的相干成像机制使得图像中伴随着相干斑噪声，严重影响图像质量。因此，如何在抑制斑点噪声的同时能有完成对SAR图像的准确分割一直是SAR图像研究的难点和重点。　　马尔可夫随机场（MRF）模型能够有效描述邻域像素的空间相关性，因此被广泛应用于图像处理领域。由于该模型是以邻域像素都表现为各向同性为前提，因此并不适用于结构纹理复杂的非平稳SAR图像。三重马尔可夫场（TMF）模型引入了辅助场U来准确刻画图像的非平稳性，从而实现对非平稳图像的有效建模，分割结果较为满意。但是，低阶邻域下的TMF模型所捕获的像素特征非常有限，不能完整刻画目标的边界和轮廓。因此对于场景复杂，地物目标丰富的非平稳SAR图像来说，分割效果不能令人满意。　　在对TMF模型分析的基础上，本文提出一种基于稀疏三重马尔可夫随机场模型（STMF）的SAR图像分割算法。本文方法突破了低阶邻域下TMF模型对SAR图像复杂结构信息描述的局限性，挖掘高阶邻域下不同类别像素特征的差异性，从而改善SAR图像的分割效果。该算法在STMF模型框架下，首先将TMF推向高阶邻域，重新定义了基于自适应非平稳划分的辅助场，以完成高阶邻域中像素的相似性划分及两类不相关像素的边界确定，从而实现辅助场对分割边界定位的指导作用。其次，构建基于高阶邻域的稀疏势能函数，计算该邻域中相关像素的重构误差，并将其作为稀疏势能引入到势能函数中，使得该函数对分割像素归属的类别有一定的先验约束，从而来提高分割精度。最后通过条件迭代模型（ ICM）算法模型完成了STMF模型的参数估计实现了分割。通过对实测 SAR图像进行验证，结果表明该算法能有效抑制乘性斑点噪声带来的干扰，在保证SAR图像同质区域分割一致性的同时，局部异质复杂区域也得到了准确的分割，并有效提高了分割边界的定位精度，该算法优于已有的MRF与TMF分割算法。