为了在一次扫描过程中更大范围的覆盖地物信息,许多星载合成孔径雷达(Synthesis Aperture Radar)的采用了宽观测带监测模式(Scanning Synthesis Aperture Radar,ScanSAR)。在ScanSAR工作模式下,雷达沿距离向的扫描宽度超过100km,扫描所对应的视角即入射角范围能达到20°-40°,尽管这种工作模式在业务化海冰解译中获得广泛应用,但是由此导致的入射角效应对所采集的海冰图像产生了严重的影响。为了减弱入射角效应的影响,有必要对入射角效应首先进行校正。常规的入射角效应校正方法,如局部线性映射算法(Locally Linear Mapping,LLM)通常假设每个目标类在图像的中间具有相似性分布并以此进行按类校正,这种做法依赖一定的先验知识,因而需要对图像进行提前的分类/分割。本文在不做任何假设的情况下,将校正算法拓展到完整幅宽,且基于指数模型的线性回归,实现置信区间的内插或者外推。该算法能够对ScanSAR冰水图像进行按类校正。对于ScanSAR冰水图像自动分割问题,本文首先考虑图像自身入射角效应,按照对数线性模型对其建模,随后本文通过按直方图分布划分区块的方法,将区块的平稳性控制在一定范围内。通过高斯混合模型(Gaussian Mixture Model,GMM)对各区块进行预分割/分类,并对各区块分类所得到的冰水两类聚类中心使用线性拟合,得到各区块对应的预测聚类中心。最后,对所得预测聚类中心,使用本文提出的固定聚类中心的马尔可夫随机场模型(Constant Center Markov Random Field,CC-MRF)进行最终分割,并将图像分割结果合并。实验表明,该算法可以有效提升ScanSAR冰水图像的分割精度,降低因入射角效应带来的分割结果标记混淆现象。