合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式的对地观测系统,具有全天候对地观测和地表穿透能力,可安装在飞机、卫星、宇宙飞船等飞行器上。因此,SAR系统在灾害监测、农作物估产、测绘和军事等方面具有独特的应用优势。然而,SAR系统成像机理的特殊性,不同粗糙程度造成的物体表面发生的后向散射带来的图像成像多样性,致使SAR图像的处理会异常困难。SAR图像高精度分割在SAR图像理解中起着重要作用,因此,高精度且低复杂度的SAR图像分割算法一直是SAR图像重要的研究内容之一。而现有的SAR图像分割算法中时间复杂度高、抗噪声能力差、分割精度低等问题依然存在,针对以上存在的问题,本文研究内容如下:1.提出了基于深度条件随机场和多尺度线性检测器的SAR图像分割算法。首先通过不同尺度的窗口信息建立随机团,进而对SAR图像构建深度条件随机场统计模型,该模型既可以抑制斑点噪声的干扰,又可以预防采用局部信息造成的图像锐化和采用全局信息造成时间复杂度高等缺点;其次,利用多尺度线性检测器可以抑制噪声对河流细节的干扰,提出了深度条件随机场和多尺度线性检测器相结合的SAR图像分割算法;最后,实验验证了该算法不仅具有鲁棒性,而且还拥有较高的分割精度。2.提出了基于超像素的SAR图像区域级条件随机场模型与分割算法。首先,利用SLIC超像素的方法对SAR图像进行超像素分割;然后,通过简单的阈值处理,具有相同标签的超像素块形成团,并基于超像素的纹理信息和灰度信息构建区域级条件随机场模型;最后通过最大后验概率的方法实现SAR图像的分割,极大的减少了时间复杂度,并得到实验的验证。