SAR分类模型算法海冰随机场图像在其形成的过程中受到很多方面随机因素的影响和干扰,海冰的图像因为受到入射角、频率、极化模式、相干斑、气候等随机因素的干扰和影响,这给对海冰随机场图像的正确分类和处理带来很大的挑战。现有基于随机场模型分类方法的对海冰图像分类和处理算法如果引入复杂的邻域和上下文随机场模型,很容易就会导致过度平滑和误分类的现象,因此本文主要提出了—种基于混合高阶邻域MRF的分类算法改进邻域聚类的方法利用马尔科夫随机场图像模型算法中的邻域和上下文信息提高了分类的准确率。本文的主要学术研究方向和内容主要成果如下:首先,针对单—区域海冰灰度不均,表面较粗糙的海水薄冰区,与周围较富含海水的薄冰区高度重叠,边界模糊,很难准确地区分。本文通过分析和计算区域的联合概率分布将单—和复杂的区域分为两个同质和异质的区域,对于单—和同质的区域来说,其内没有明显的复杂像素结构,因此,中心区域的像素和其邻域内的所有复杂像素都应该是密切相关的,他们都有很大的可能和机会被归属于同一区域的分类。对异质特性区域来说,其区域内有明显的物质结构变化,亮区域和暗均质区域交替地出现在异质特性区域中。分别针对亮暗均质和异质特性区域分别设计了自适应的结合区域混合高斯径向基函数和结合Ridgelet函数的混合高斯核心基函数自适应的区域表示了海冰各向同性和各向异性的相互关系,用于不同区域的特性和异质区域的SAR海冰的分类。然后,针对厚冰区明亮不均,局部的区域证据空间出现了亮度过高的现象。为了更好地充分利用邻域来极化上下文信息并有效调节转移证据空间的相关性,传统的低阶的邻域模型限制了更高阶的MRF模型能够捕获复杂的上下文转移证据信息的时间和能力,本文将原始的基于MRF证据模型的邻域扩展到了更高阶的MRF模型,构建了转移证据的空间。本文在构建厚冰转移过亮区证据的空间时先计算得到厚冰亮区似然和过亮区的似然证据函数和空间,再通过本文中定义在所有方向的厚冰转移证据空间方式计算得到厚冰转移过亮区证据的空间。最后,采用经典MRF、K-means、Iso-Data、FCM等传统非监督分类算法进行对比分析实验证明,利用改进后的高阶MRF得到的分类结果较由其他分类算法得到的分类结果有更好的细节保持,并且分类精度也得到了提升,证明了本文算法的有效性。