海冰覆盖范围约占地球表面的7%,其中,将海冰密集度从80%到15%的区域定义为海冰边缘区(Marginal Ice Zone,MIZ),它是从固结冰到开阔水域的过渡区域,具有高度的生物活性,是大气-海冰-海洋之间发生强烈相互作用的区域,不仅能够加速海冰消融和促进新生海冰生长,同时影响人类活动的安全。因此,海冰边缘区相关信息的准确提取和覆盖范围的准确估计对研究环境变化以及帮助人类活动等方面起着重要的作用。合成孔径雷达(Sythetic Aperture Radar,SAR)能够提供高分辨率多极化影像,能够清晰地捕捉海冰边缘区信息,使得SAR成为了海冰边缘区相关研究的必要数据来源,因此,基于SAR影像的海冰边缘区信息自动提取和分类算法成为了迫切需求。然而,由于SAR影像处理的难点以及海冰边缘区自身的复杂性,使得利用SAR影像获取海冰边缘区相关信息的方法受到了限制。基于此,本文采用RADARSAT-2双极化SAR影像,把能够将信号分解为多尺度多方向,对局部曲线奇异性具有最优表达的曲波变换(Curvelet Transform)与其它图像处理技术相结合,将海冰边缘区在SAR影像中呈现的多尺度多方向曲线特征应用到SAR影像海冰边缘区的信息提取和海冰边缘区的识别方法中,实现了海冰边缘区冰水边缘线的准确提取、海冰动态特征的提取以及海冰边缘区的自动识别。本文的主要研究内容及成果如下:(1)将曲波变换和主动轮廓的方法相结合,实现了SAR影像海冰边缘区冰水边缘线的准确提取。算法根据海冰和海水在曲波域中尺度上的信息和能量分布特征,选择出冰水边缘线所在区域,并且通过去除粗糙尺度和精细尺度的信息以增强海冰和海水的对比度及海冰内部的同质性;采用基于边缘的主动轮廓模型作用于曲波处理后的影像,得到冰水边缘线位置。结果表明,与影像分析冰情图得到的冰水边缘线标记数据相比,该算法能够有效的获得冰水边缘线的位置,与被动微波海冰密集度数据定义的冰水边缘线位置相比准确率有了大幅的提高。(2)利用海冰边缘区的边缘特征,实现了冰水边缘线的准确提取。算法采用中尺度曲波滤波器和Canny边缘检测方法,将海冰边缘区对比度和后向散射值差异大的曲线信息转化为边缘信息,则冰水边缘线为边缘信息丰富的区域和不具有边缘信息区域的边界线。由于边缘信息是离散的,为了保留冰水边缘线的位置和形态,设计和实现了曲波域多尺度无边界主动轮廓的方法提取冰水边缘线。结果表明,与(1)中提出的算法相比,该算法在保证了冰水边缘线提取结果准确率的情况下能够大幅减少了运算时间。(3)分析了海冰边缘区动态性和SAR曲线特征之间的关系,提出了一种SAR影像海冰的动态特征的描述方法及海冰边缘区覆盖范围的估计方法。通过曲波变换将空间域中海冰边缘区的曲线奇异性转换为点奇异性,将SAR中的曲线分布特征转换为曲波域的纹理特征。利用曲波系数邻域内的均值和曲波共生矩阵(Curvelet Co-occurrence Matrix,CuCM)的能量值以及之间的关系,设计并实现了一种基于SAR影像的海冰动态特征提取方法。由于海冰边缘区的高动态性,因此利用该动态特征合理的阈值能够估计海冰边缘区的覆盖范围。实验结果表明,与影像分析冰情图得到的海冰边缘区标记数据相比,该方法能够有效的获得海冰边缘区覆盖范围,准确率最高达到了96%,与被动微波海冰密集度数据得到海冰边缘区相比准确率提高了30%~40%,该方法为SAR影像高精度海冰边缘区自动识别算法提供了基础,同时扩展了SAR影像在海冰解译方面的应用。(4)设计和实现了SAR影像基于监督分类方法,获得高精度像素级海冰边缘区的准确识别。利用曲波域多尺度统计特征、曲波共生矩阵以及多尺度图像块在相同曲波尺度的特征差异形成特征矩阵,采用支持向量机和决策树相结合的方法训练分类器,对影像中的像素进行逐个分类。实验结果表明,曲波域多尺度特征能够有效的将SAR影像分为海冰边缘区/非海冰边缘区,多尺度图像块的曲波特征差异能够解决采用较大图像块造成的边界误差问题,分类结果的准确率最高达到了98%,实现了海冰边缘区的准确识别。论文分析了海冰边缘区在SAR影像中的特征,利用曲波变换的多尺度多方向特性、位置参数和对曲线具有局部最优表达的特征,实现了SAR海冰边缘区的信息提取和识别,分别提出了两种冰水边缘线提取方法、海冰动态特征的提取方法以及海冰边缘区的识别方法,其结果能够为海冰分析、海冰边缘区的研究、气候模型等提供更加可靠的参数,同时扩展了SAR影像在海冰解译等方面的应用。