SAR图像分割是进行目标自动识别、SAR图像信息处理的关键技术。但是SAR图像斑点噪声的存在使得SAR图像分割方法对传统光学图像的分割方法提出严重的挑战,本文结合SAR图像的统计特征,主要提出了基于广义多分辨似然比(generalized multiresolution likelihood ratio简称GMLR)和空间变化的混合多尺度自回归(spatially variant mixture multiscale autoregressive简称SVMMAR)随机模型的SAR(synthetic aperture radar)图像分割方法。 首先,在研究了基于MAR模型图像分割的基础上,得到了一个多分辨似然比检验表达式,对已有模型和分割方法进行了推广和完善;其次,提出了一种广义多分辨似然比的新概念,这种新的似然比可融合SAR图像中同类目标在不同分辨率上的特征,增加不同类目标间的差异,有益于分类分割,最终分割时考虑了待分像素点与周围像素点之间的Markov性,利用了开窗技术对像素进行分类;再次,提出了SAR图像的空间变化混合多尺度自回归模型方法,该模型不仅能刻画SAR图像的空间变化性,而且利用了SAR图像多尺度序列的统计特性,无需预先抑制斑点噪声,就能获得精确分割结果,并且提出一种在粗尺度确定分类个数的新方法,大大减少了运算量;最后,用参数估计算法得到了广义多分辨似然比所有的参数,从而得到SAR图像的无监督分割,这样使得广义多分辨率似然比在图像分割中有更广的应用范围。 实验验证了所提出的各种方法从分割的精度,对噪声的敏感度,还是从边缘的光滑度考虑,都是令人满意的。