合成孔径雷达(Synthetic Aperture Radar,简称SAR)由于其全天候、全天时的观测特性和高分辨率的特点在军事以及资源考察、环境检测、考古等方面得到了广泛的应用,成为当前遥感观测的重要手段,SAR图像的分析和处理随之成为重要的研究课题。作为SAR图像分析和处理的关键步骤,SAR图像的分割一直得到广泛的关注。本文探讨了SAR图像分割的主要问题,研究并给出了SAR图像分割的算法和技术。本论文的主要工作及取得的结果包括：1.结合SAR图像的空间特征和灰度信息,将图像分割转换成空间矩阵的求极值的问题,应用智能搜索算法,实现了分割阈值的自动获取。仿真结果表明,结合空间矩阵的分割方法对人工目标有较好的分割效果。2.SAR图像中通常包含有丰富的纹理信息,根据灰度共生矩阵(GLCM)计算的纹理特征,结合免疫算法,提出一种结合纹理特征的免疫无监督聚类算法。仿真结果显示,在目标呈现一定的纹理时,该方法有较高的分割精度。3.从理论上证明了有限次的小波变换可以减小相干斑噪声对纹理分析的影响,提高GLCM纹理特征值的计算精度。提出一种新的基于小波变换的纹理分割方法。仿真结果显示,该方法也有较高的分割精度。4.应用隐马尔可夫模型(HMM)对SAR图像进行建模,通过学习得到图像统计模型的参数,并根据得到的模型参数计算图像之间的距离,该方法有很广泛的应用领域。基于图像距离的计算,给出一种新颖的分割算法。仿真结果显示,该方法对纹理的尺度和纹理的细节有较强的鲁棒性,且对SAR图像的相干斑噪声不敏感,分割效果较好。5.针对SAR图像分割和目标识别的目的,提出一种SAR图像挖掘的框架,并构造了SAR图像的数据立方体的模型。数据挖掘的技术和数据立方体中对图像的多维特征的描述,有助于实现SAR图像的快速分割和目标识别。