合成孔径雷达(SAR)对于光照和大气等条件不敏感,可以全天时、全天候对目标进行监测,故而在军事侦察和民用领域得到了广泛应用。SAR图像分割是SAR图像解译技术的重要环节,能够反映图像的空间结构信息,揭示图像的本质,成为国内外学者研究的热点。但其后向散射的成像机制决定了SAR图像中不可避免的存在着相干斑噪声,使图像质量下降。因此,如何抑制斑点噪声并准确地分割出目标区域一直是SAR图像分割研究中的难点和重点所在。马尔可夫随机场(MRF)算法能够很好的描述像素之间的空间依赖性,被广泛应用在计算机视觉以及图像处理领域中。但它假设图像中每个区域是均匀同质的,因此并不适用于建模纹理信息丰富的非平稳SAR图像。三重马尔可夫场(TMF)模型很好的弥补了这一缺陷,通过引入辅助场U来区分图像不同的平稳态并分别进行处理,实现对非平稳图像更好的建模,取得了较为满意的分割效果。但是,作为一种非因果模型,TMF对能量函数的建模仅仅考虑了图像相邻像素间的局部信息,而对全局信息的统计能力仍存在较大的提升空间。在对TMF模型分析的基础上,本文提出了一种基于非线性扩散分层三重马尔可夫场(ND-HTMF)模型的SAR图像分割算法。相比于其他基于四叉树或金字塔的多尺度生成策略,基于非线性扩散的方法所生成的多尺度图像是基于图像内容的,具有抑制噪声且准确定位边缘的优势。因此,本文所提算法将非线性扩散的多尺度分解策略和HTMF模型的多尺度信息融合策略的优点有机结合,能够准确全面的捕获图像的局部和全局特征。此外,我们对ND-HTMF模型中的辅助场U重新定义和初始化,将图像的非平稳性与边缘特征相结合,为分割中的边缘定位提供了额外的指导作用。最后通过自底向上和自上而下的计算过程分别建模多尺度似然项和多尺度能量函数,使得图像的局部和全局信息在尺度间传递,最终实现SAR图像的准确分割。对合成SAR图像和实测SAR图像的仿真实验充分验证了本文所提算法的有效性,且证明该算法在分割结果的准确率、边缘定位准确性和区域一致性方面均具有突出的优势。