合成孔径雷达(Synthetic Aperture Radar,SAR)以其全天候、全天时等优势,使得SAR图像在导航、海域使用管理等领域具有应用价值。在海域使用管理中,海岸线检测是及时监测海岸变化的手段之一,然而由于相干斑和较为复杂的回波特征,使SAR图像海岸线检测成为难题。在海岸线检测的方法中,均值漂移算法以其无监督、无需先验知识和收敛速度快的特点而得以应用,但是迭代漂移过程中,由于过平滑,导致在弱边缘以及尖角的区域容易产生错分割,而且带宽参数需要人为设置。在合并阶段,该算法尚无法将复杂的陆地区域合并为一类,无法有效的检测海岸线。因此,本文从均值漂移角度出发,利用重启因子、变异系数以及分段Sigmoid函数,重点研究SAR图像中海陆对比度较低的弱边缘以及尖角区域的海岸线检测算法。本文的主要工作如下:1)给出了一种基于重启因子和变异系数的改进均值漂移海岸线检测算法。已有均值漂移海岸线检测算法在SAR图像海陆对比度较低的弱边缘和尖角区域,因权重分配不平衡而出现过平滑,导致弱边缘或尖角检测不准,且在合并算法中未有效合并陆地中类似海的区域。为了解决上述问题,本文给出一种改进的均值漂移滤波算法,通过引入重启因子函数,在含有边缘的区域,以对应的重启概率停留在当前点不滤波,从而保持了边缘不被平滑。同时整合边缘信息和变异系数,给出一种改进的区域合并准则。实验数据集为Envisat-ASAR、Radarsat-2和Sentinel-1A,对于正容错率FPR,本文算法能达到0.0057,验证了本文算法在弱边缘以及尖角的区域比均值漂移算法和Gamma水平集算法更加有效。2)给出了一种基于分段Sigmoid带宽和调和平均数的改进均值漂移海岸线检测算法。传统的均值漂移算法光谱带宽值需要人为给定的单一固定值,同时在均值漂移算法合并时,在弱边缘区域容易出现过分割。为了解决上述问题,本文给出一种基于分段Sigmoid带宽的均值漂移滤波算法,对Sigmoid函数利用区域差异构建分段Sigmoid函数,使得基于分段Sigmoid函数的带宽因像素大小不同从而分配的权重也不同,可以有效的进行滤波。并给出一种改进的合并准则,该准则通过调和平均,在保持边缘的同时更多的合并同属于一类的像素。实验数据集为Envisat-ASAR和Sentinel-1A,对于正容错率FPR,本文算法能达到0.0029,验证了本文算法在弱边缘以及尖角的区域比均值漂移算法、Gamma水平集算法和基于直方图的区域合并算法更加有效。