近些年来,伴随着经济的发展和湖泊流域人类活动的加剧,我国部分湖泊富营养化导致的水华现象日趋严重。藻类爆发时聚集在水面因为其光谱特征与植物类似,与水体特征差异较大,所以采用光学遥感可以有效的对水体水华进行识别。但是光学遥感只能在白天观测,且受到云、雨等气象因素限制较多。而合成孔径雷达(synthetic aperture radar,SAR)具备全天候、全天时、不受天气影响及具有一定穿透性的特点,较好的弥补了光学遥感的不足。随着SAR技术的日益成熟,微波遥感监测水环境愈发受到重视,因此,基于SAR的水华监测、识别的研究,具有非常重要的意义。本文以中国典型的水华多发水体太湖为例,以巢湖及丹江口水库为验证,开展基于SAR图像的水华监测识别研究。以SAR图像的暗斑为主要研究对象。“暗斑”指的是由于水华降低雷达后向散射,导致在SAR图像上所呈现低灰度区域。但是诸如“低风速”水面等目标也会降低雷达后向散射,形成类似暗斑现象,给单独使用SAR图像识别水华造成干扰。本文综合应用相关分割算法进行图像暗斑的前期分割处理,采用同步光学影像标记已分割好暗斑的属性,结合SAR图像中水面各区域的散射特征、几何特征、纹理特征等多因素分析,确定能够最大化识别水华的特征参量,最后构建以SVM为基础的SAR图像水华识别模型,实验证明,SAR可以用作湖泊水华现象的识别,并有提高识别精度的潜力。本文的主要工作以及创新点可以归结为以下三个层面:1、针对SAR图像上水华与低风区目标难以确定类别的问题,提出了一种对比预处理准同步光学与SAR图像的方法,可以较准确的确定暗斑的类别属性。2、提出了一种SAR图像暗斑分割算法,以K均值聚类分割算法为基础,结合统计图像灰度特征的Multi-threshold Otsu算法,改进了K均值中K值难以确定及聚类中心选取困难的问题。同时在分割过程中结合水陆分割增强算法的普适性。最后结合自定中心的区域生长算法及形态学滤波方法,得到暗斑的精分割结果。3、以C-SVM为基础,建立了水华分类识别模型。首先通过对水华暗斑及类似暗斑的分析,确定3大类共9个特征对两类暗斑的识别分类依据。随后以分割暗斑样本的相应特征为参数,采用交叉验证的方式训练模型,参数寻优之后完成水华识别。并通过对丹江口、巢湖水域水华现象的实验验证,验证了该模型的适用性。