合成孔径雷达(Synthetic Aperture Radar,SAR)作为主动式微波遥感的一种,是遥感领域的一个重要的分支。SAR具有分辨率高、穿透性强、全天时、全天候等特点,使得它可以在不同波段,不同的极化方式下工作,目前被广泛应用于众多领域中。SAR系统的快速发展,使得现在所获得的SAR图像的数量变得越来越多了,但是对于SAR图像的理解和解译的能力却相对滞后。SAR图像分割作为SAR图像解译的关键步骤之一,是SAR图像理解和解译的基础和前提,已经得到了国内外学者的广泛关注。但是,由于SAR图像固有的成像机理,使得在SAR图像中存在相干斑噪声,从而使得以往的图像分割算法在SAR图像上并不能取得令人满意的结果。因此,对SAR图像分割算法的研究具有非常重要的意义。本论文主要对三种SAR图像分割算法进行分析和研究,它们分别是基于马尔可夫随机场的分割算法、基于模糊c均值的图像分割算法和免疫遗传单阈值分割算法。其中基于马尔可夫随机场的分割算法是统计分布模型中最为重要的模型之一,它的基本实现原理是采用条件概率来描述图像数据的分布状况;基于模糊c均值的图像分割算法是无监督学习算法的一种,它把模糊理论和聚类进行融合,使得其所分析的问题可以更加地接近现实生活中的问题;在免疫遗传单阈值分割算法中使用免疫克隆选择算法来作为优化算法,它是借鉴Burnet的克隆选择机理所形成的,该算法在优化策略上,采用随机初始化以及不断生成的新的抗体来代替种群中亲和度较低的抗体,从而保证种群具有多样性。本文对三种算法分别做了仿真实验,并且知道了每种算法所适应的情况,以及算法的局限性。