合成孔径雷达SAR(Synthetic Aperture Radar)是一种主动式微波成像传感器,可以有效实现从空间对地的观测,在军事领域和民用领域都有其广泛的应用。机场目标的自动检测识别一直是遥感图像检测识别领域的研究热点。在机场区域内,机场跑道用于飞机起飞和降落,滑行道用于飞机在跑道和其他区域之间进行滑行,停机坪主要用于停放在机场停留的飞机,因此机场跑道、滑行道及停机坪等作为飞机可能会出现的区域也便成为最关心的检测区域,我们将此区域称为机场ROI(Region of Interesting)。本文主要开展了面向机场ROI提取的SAR图像分割方法的研究,研究工作内容如下:在分析了机场区域在高分辨率SAR图像中的主要特点之后,设计了一种基于混合Gamma建模的机场ROI粗分割算法。在估计混合Gamma模型的参数时,对经典的EM算法进行改进,从而实现了对混合分量的自适应估计,并以此得到合适的分割类别数目。为弥补统计建模时未考虑像素空间相关性的不足,设计了两种类型的区域约束方法,对基于混合Gamma建模得到的粗分割进行分割优化。文中所实现的分割优化,一种是基于MRF模型的区域约束,另一种是基于超像素的区域约束。通过对模拟数据和真实数据进行实验,验证了本文所提出的基于混合Gamma建模和区域约束的SAR图像分割方法能在一定程度上解决机场ROI提取问题,为下一步自动检测识别其他目标做准备。