合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波传感器,是工作在微波波段的相干波成像雷达,它不受环境、气候和时间等因素的影响并且具有超强的穿透能力,广泛用于军事探测、海洋监测和地质勘探等领域。目前随着系统技术的发展,越来越多SAR图像可供使用,SAR图像的解释变得十分重要。SAR图像分割是SAR图像解释的重要基础和前提,SAR图像分割精度的高低直接决定着SAR图像解译质量的好坏。但SAR系统的相干波成像机理,使得斑点噪声成为SAR图像的固有特性,从而使得SAR图像分割的更加困难,一直是SAR图像研究的热点问题。为了在小样本下精确对SAR图像建模,精确拟合SAR图像统计分布,本文在综合分析G~0概率统计分布模型特性基础上,研究基于G_I~0分布的SAR图像分割算法,具体研究内容包括:1)基于随机加权和改进阈值水平集的SAR图像分割方法研究。首先选择G_I~0分布描述SAR图像,并利用随机加权估计法(Random Weighing Estimators,RWE)来估计G_I~0分布的粗糙度参数α和尺度参数γ。解决了小样本条件下该分布参数估计精度问题;其次将估计出的粗糙度参数和尺度参数代入到G_I~0分布的Renyi熵公式,获得熵矩阵;然后利用改进的基于阈值的水平集方法实现SAR图像的分割;最后通过合成SAR图像和真实SAR图像的实验结果证实了提出的算法具有高分割精度和较高的稳定性。2)基于SLIC超像素建模的SAR图像分割方法研究。为了降低计算的复杂度,针对建模图像区域的选择方法,本文以超像素为基本建模单位,并利用随机加权估计法对SAR图像进行G_I~0分布建模,然后基于1)SAR图像分割方法实现多区域SAR图像的分割。实验证明该方法在保证分割精确度的基础上提高了分割效率,并且对多区域SAR图像实现了良好的分割结果。