工作在扫描模式的海用警戒雷达需要监视方圆近百公里的海洋、陆地、岛礁混合的复杂区域。雷达接收的探测场景的回波由地杂波、海杂波、海面目标回波、岛礁回波混合雷达接收机的噪声构成。在小擦地角或者较高空间分辨率情况下,在一些海洋区域海杂波有时会比噪声功率水平低。因此,海用警戒雷达海陆分割的目的就是按照探测场景的雷达回波把探测场景分割为陆地区域、海杂波占优区域和噪声占优区域。而海陆分割的质量直接影响到后续的检测方法选择和检测性能。已有的海陆分割方法主要是基于从雷达回波中提取的单一测度进行场景分割,存在分割质量不高的问题。本文中,我们将致力于利用从雷达回波中提取的多个体现海洋、陆地和噪声差异的测度,通过多个测度的融合实现探测场景的海-陆-噪声三元分割。本论文的主要内容如下:首先,对本文涉及到的图像处理理论进行简单介绍。回顾了机器学习在图像处理中的应用,着重对监督学习中的K-NN算法进行了详细介绍,分析了其优缺点。随后介绍了图像处理中的数学形态学方法,简述了二值形态学、灰度形态学在图像处理中的应用并通过实例演示了各算子的作用和处理效果。其次,本文实现了一种有效的海陆分割方法。结合雷达工作原理和实测数据分析了海杂波和地杂波之间的本质差异,表明了多普勒偏移和初相不是其本质差异,多普勒带宽是其本质差异。因此,我们提出了初相-多普勒偏移不变距离刻画各空间分辨单元回波之间的差异。在该距离下,按照先验信息选择部分陆地区域和海面区域的回波向量作为训练样本并利用K-NN分类器对探测场景进行初分类。最后采用数学形态学处理对初分类结果进一步处理得到海陆分割结果。提出的方法不需要设置任何门限就能够将探测场景正确地分割为海洋区域和陆地区域。最后,本文提出了一种基于K-NN分类器的特征域海-陆-噪三元分割方法。该方法根据海杂波、地杂波、噪声各自特性的不同,利用非高斯性、白化度、多普勒带宽、回波功率以及杂噪比五个特征构成特征向量,并用特征向量间的马氏距离刻画分辨单元间的差异。在该距离下,利用K-NN分类器对探测场景进行初分割,其分割结果进一步经过形态学滤波得到最终的场景三元分割。成功地将噪声区域从探测场景中剔除,实现了更精细化的场景分割。实测数据的分割结果表明提出的特征域K-NN分割方法是有效的。