合成孔径雷达(Synthetic Aperture Radar,SAR)图像边缘检测的研究一直是SAR图像后处理与解译的重要课题。由于SAR图像受到较强相干斑点噪声的影响,传统的边缘检测算法效果很不理想,使得SAR图像的边缘检测成为SAR图像处理中的一个具有挑战性的问题。针对非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)和Ratio算法在SAR图像边缘检测中各自的优缺点,提出了一种基于D-S证据理论的SAR图像边缘融合检测新算法。首先从理论上分析了NSCT具有强的弱边缘检测能力,而Ratio算法具有良好的降斑效果,并针对NSCT和Ratio算法的系数大小、方向和夹角,构建了3个置信指派函数,然后采用D-S证据理论及其修正方法,较好地结合了两种算法的优势。仿真结果表明,该算法能够在有效抑制噪声的同时准确检测出边缘图像,尤其对弱边缘检测效果好。融合边缘比较完整,边缘定位准确。本文根据数据融合以及图像分割的思想,利用FCM将Ratio算法和小波变换相结合应用于SAR图像的边缘检测。根据图像边缘的特点定义了两个代表像素的特征值;另外,Ratio算法和小波变换的系数经合理的处理后也分别当作图像的特征值,由此形成了一个表示图像特征的四维特征向量;然后利用FCM把特征向量集合分类,从而获得图像的边缘信息;最后利用Ratio算法提供的方向信息对检测出的边缘进行连接、消噪处理就得到了最终的检测结果。该方法能在较大限度地消除噪声的不利影响的同时,使边缘更加完整精确。