合成孔径雷达(synthetic aperture radar, SAR)是一种二维成像微波探测雷达,具有全天时、全天候、全方位对地球表面进行探测观测的能力。因其方便、较强的观测能力,目前已广泛应用于军事和民用领域。因此,SAR技术成为各国争相研究的热点,其成像分辨率越来越高,但与其不相符的是对SAR图像极低的图像处理率和解译能力,这极大地限制了 SAR图像的利用率。而图像分割是对图像进行理解和解译的前提,因此研究能正确分割SAR图像的算法尤为重要。本文的主要工作是研究基于马尔可夫随机场(markov random field, MRF)模型的SAR图像分割算法,包括空域单尺度MRF模型和小波域多尺度MRF模型两大类。本文首先对SAR系统的成像原理和固有相干斑噪声的产生机理进行了研究,然后对SAR图像灰度的统计分布进行分析,并通过实验仿真得到不同分布模型对SAR图像灰度的拟合度,总结了 SAR图像的特点。最后介绍了图像分割质量的评价准则为后续对SAR图像分割算法的研究作准备。其次,系统且详细的研究了空域单尺度MRF模型的理论知识,包括标号场建模、观测场建模、参数估计方法以及后验分割方法。通过对多幅SAR图像实验仿真,比较了传统的k-均值聚类和空域MRF模型分割方法的优劣,并分析总结了空域MRF模型对SAR图像产生误分割的因素。再次,基于SAR图像纹理信息丰富的特点,引入纹理特征改进空域MRF模型。介绍了纹理的定义、纹理特征的提取方法以及对SAR图像纹理特征进行了分析。另外,由于SAR图像通常呈现模糊性,将模糊理论引入标号场,改善分割结果。实验证明改进的MRF模型分割结果在区域一致性和边缘保持方面表现较好。最后,研究了多尺度MRF模型,包括经典的MSRF模型和小波域分层Markov模型分割方法。实验仿真结果证明,小波域分层由于同时引入了尺度间因果模型和尺度内非因果模型,对图像全局信息和细节信息都给出了较好的描述,其分割结果在区域一致性和边缘保持性均优于空域MRF模型和MSRF模型。