合成孔径雷达(Synthetic aperture radar,SAR)不受天气、光照等条件的限制,可以对感兴趣的目标进行全天时、全天候的侦查,能够穿透掩盖物实现隐蔽目标探测,在恶劣的环境下也能以较高的分辨率提供详细的地面测绘数据和图像。所以近年来SAR在军事与民用领域得到了广泛的应用。而随着SAR系统的快速发展,SAR图像的解译技术急需得到提升。SAR图像的质量评估与图像分割是解译技术中两个最基本的环节,质量评估技术是包括分割在内的所有SAR图像应用的基础,它属于分割的预处理部分,是得到好的分割效果的前提;同时在分割之后的质量评估可以用来评价分割算法的优劣,为不同分割算法提供客观评估指标。对这两种技术的研究可以为SAR系统的改进、功能的完善以及自动目标识别的建立提供基础,奠定SAR系统在空间信息智能化的重要地位,推动SAR在众多领域里的应用与开发。本论文围绕SAR图像质量评估和SAR图像的分割方法展开研究。其中在SAR图像质量评估中又分别研究了被背景杂波干扰的点目标质量评估以及被有源噪声干扰的SAR干扰图像的质量评估。在SAR图像分割方法的研究中,从空域三重马尔可夫分割模型入手,提出了基于模糊的三重马尔可夫分割模型算法,又从多分辨率角度,利用小波理论讨论了两种多尺度三重马尔可夫分割模型算法。具体如下:1.由于高性能高标准的SAR系统需要更加精准的质量评估结果来反馈指导系统进行调整,而传统的点目标质量评估仿真方法都是使用理想点目标的脉冲响应函数来进行分析的,本文提出了一种考虑杂波背景的点目标质量评估实验方法。首先在实际SAR图像上提取不同类型的杂波数据块,然后将杂波数据块叠加到理想点目标图像上,最后利用脉冲响应函数实验分析方法分析其峰值旁瓣比。与其他模型相比较,所获得的评估结果更接近理想测量值,作为一种实验研究方法,可以为SAR系统反馈提供更有效更精确的参考数据,有一定意义。2.在研究了传统方法对SAR干扰图像质量评估缺乏感知性的基础上,针对被有源噪声干扰的SAR图像,本文提出了一种基于纹理的SAR图像感知质量评估方法,该方法在结构相似度的基础上,利用纹理特性加权结构因子,能突出SAR图像的纹理特点,得到一个基于纹理的结构相似度测量,而后利用小波变换与人类视觉系统中对比敏感度函数的倍频程特性,将不同频带不同方向的纹理结构相似度测量值进行感知性加权,使其在中低频的作用更为突出,最后归一化得到一个具有感知性的基于纹理的SAR图像质量评估结果,实验表明该方法对有源噪声干扰,尤其是对局部噪声干扰的评估相对于其他方法更接近主观评估效果。3.在对SAR图像分割方法的研究中,首先讨论了SAR图像的统计分布模型,给出了伽马建模的理论依据。然后介绍了描述非平稳SAR图像特性的空域三重马尔可夫模型,将此模型与模糊理论相结合,并用纹理特征来初始化附加场,释放观测场原有的假设条件,进一步改进了现有的基于三重马尔可夫模型的SAR图像分割方法。在参数估计中,利用构建的模糊目标函数进行隶属度和观测场统计模型参数的估计,对三重马尔可夫模型参数的估计,是在原有随机梯度结合循环条件估计方法的基础上,引入隶属度作为加权值来调节模型参数的更新,达到了优化的目的。所提方法能提供无监督的SAR图像分割,比其他空域的分割算法有较大的改善。4.对多尺度的SAR图像分割模型,利用小波域多尺度分割的思想,构建了基于隐马尔可夫树的三重马尔可夫模型和基于高斯马尔可夫的三重马尔可夫模型。这两种方法充分利用了小波域多尺度空间结构的相互依赖关系的优势,对观测场的建模更为精确。同时,给出多尺度三重马尔可夫模型的能量函数,建立多尺度的标记场势能,在分割中实现多尺度的决策融合。在合成SAR图像与真实SAR图像的仿真实验中,所提两种方法相对于其他方法均得到良好的分割效果。另外,在基于高斯马尔可夫的三重马尔可夫模型中,利用了最大后验边缘概率实现对具有不同纹理特性但均值差异小的SAR图像区域的精确的分割,取得更为精准的分割效果。