冰裂隙作为冰川冰架表面一类典型特征,对于研究全球温室效应、冰架运动趋势、冰架稳定性具有重大意义,同时也是直接研究冰盖崩解的最直观因素,并且存在大量的冰裂隙以及被雪覆盖的隐伏裂隙,对研究人员的人身安全产生了巨大的威胁,因此冰裂隙的探测至关重要。目前主要的冰裂隙探测手段包括探地雷达、光学遥感、SAR影像以及雷达测高技术。其中SAR影像具有可全天时、全天候工作,穿透性强,不受云层干扰和太阳光照影响等优点,对于冰裂隙观测具有强大优势。神经网络因为拥有较强的学习能力,且能适用于复杂场景地物提取的优势,可以在冰裂隙提取中发挥重要作用。U-net网络作为编码器-解码器结构可减少池化层的空间维度,利用之间存在的快键连接可更好的修复目标信息,且可通过较少数据集得到精细的分割结果。本文对U-net网络进行改进,提出了一种新的冰裂隙检测方法,可适用于大范围场景应用,分类结果具有更高的精度。论文的主要研究结果如下:1)由于SAR影像存在特有的斑点噪声,在预处理阶段需要在对斑点噪声进行去除,增强图像中的边缘信息,以保证裂隙边缘信息得到较好的保留,为后期裂隙识别提供清晰的纹理信息。为此,本文结合MuLOG滤波算法和Probabilistic Patch-Based Weights滤波算法对SAR影像进行处理,该方法可以在有效保留裂隙边缘信息的同时对残余噪声进行平滑。2)针对南北极冰盖冰裂隙检测,需处理大范围的SAR影像,而传统的冰裂隙检测方法只满足小范围提取的问题,本文改进了 U-net网络,通过在U-net网络中添加跳过连接,减少模型训练参数和网络的计算时间,将低层次和高层次的特征连接起来,提高了网络的精确度,以得到较为精确的冰裂隙检测结果。本文将改进的U-net网络应用于两极地区的冰裂隙检测并生成两极地区的冰裂隙产品图。3)针对初步裂隙检测结果存在较多噪声点的情况,基于冰裂隙几何特征和噪声的差异,提出采用窗口遍历的方法进行图像后处理,可较好的去除噪声点。4)以南极LarsenC冰架冰裂隙检测为例,利用该区域目视解译结果对本文算法提取的冰裂隙结果进行对比验证,依据精确度、准确度、召回率以及F1评分进行结果判定,结果表明达到了较高的精度。