合成孔径雷达（Synthetic aperture radar,SAR）是一种获取遥感影像的重要手段,由SAR产生的图像中包含着丰富的信息,但也存在着大量的乘性斑点噪声,加大了图像的模糊程度,导致在后续进行SAR图像分割时无法得到理想的结果,因此,SAR图像分割一直是研究人员关注的热门问题。在已经提出的各种图像分割方法中,基于变分和偏微分方程的变分分割方法,凭借其独特的优势,已成为用于SAR图像分割最有效的方法之一。但是,现有的变分分割模型适用于光滑或加性噪声图像,对乘性斑点噪声的SAR图像需要先将乘性噪声转换为加性噪声,时间效率低且模型收敛性差,得到的分割结果难以满足需求。本文融合乘性噪声恢复模型和图像分割模型构建新的SAR图像分割方法,并将少量标定的Landmark转换为约束点确保曲线演化能够经过Landmark点,以此提升方法的分割能力。主要内容及创新点如下:（1）提出一种融合乘性噪声去除的SAR图像变分分割模型。在充分考虑斑点噪声的统计特性之后,基于伽马分布设计了针对SAR图像斑点噪声的数据项,并将其引入到SAR图像分割中,通过对多相变分水平集Chan-Vese模型的改进,使得所提模型能够兼备去噪和分割,不仅有较好的去噪效果,还可获得更准确的分割结果。（2）提出基于Landmark点的遥感影像多相分割模型。Landmark点是各种计算机视觉任务的先验图像特征,本文利用水平集框架,将图像的Landmark点转换为单纯形约束结合到变分分割模型中,使水平集曲线演化过程能够经过所有先验Landmark点,进而提高分割性能。（3）设计变分分割模型的快速交替方向乘子（Alternating Direction Method of Multipliers,ADMM）算法。通过引入一系列辅助变量,结合增广拉格朗日方法,将复杂的能量泛函转换成简单的若干个子优化问题,采用广义软阈值公式对代数方程进行求解,并应用投影法满足相关不等式约束,从而实现所提分割方法的快速求解。最后开展SAR图像分割实验。实验结果表明本文所提图像分割方法能够获得更准确的分割结果。