无论在军用还是民用领域,海杂波背景下的目标检测都发挥着极其重要的作用,针对海杂波空间的非均匀性和时间的非平稳性,进行海杂波的精确建模是海面目标检测的基础和关键。目前海杂波基于逆高斯纹理的IG-CG模型被公认为描述雷达高分辨率下拖尾分布最好的模型之一,因而对其参数的估计是雷达信号处理领域一个研究热点。特别是在存在异常样本情况下的实测海杂波数据的模型参数估计问题。在岸基或机载雷达大场景探测情况下,探测场景由海杂波、地杂波、岛礁杂波、噪声占优等不同的区域构成,这些区域雷达接收到的干扰具有很不同的特点,需要采用不同的处理方法进行目标检测。因此,把按照实测数据把探测场景划分为地杂波区、海杂波区和噪声占优区的三元分割方法变成了目标检测前不可或缺的预处理步骤。针对这一问题,研究并提出了一种基于复合测度和形态学滤波的海-陆-噪声三元分割方法。本学位论文的内容安排如下:第二章主要回顾了海杂波的物理组成机理和几种常见的幅度分布模型,并分析了各个模型的特点和适用范围。阐述了复合高斯模型的基本架构和性质,重点分析了基于逆高斯纹理的海杂波IG-CG幅度分布模型的特点。第三章针对实测数据中必然存在的异常样本严重影响传统矩估计和最大似然估计性能的问题,提出了IG-CG幅度分布模型参数的双分位点估计方法。结合仿真数据实验,研究分析了双分位点估计器的性能与样本数目的关系,并且分别在未添加野点和加入野点的情况下与传统的矩估计、最大似然估计方法对比,结果表明了海杂波IG-CG模型双分位点参数估计方法具有良好的抗异常样本能力,而在真实的雷达工作环境中,雷达回波数据中通常包含舰船、岛礁、海尖峰等大功率异常散射单元。最后采用雷达实测数据验证了海杂波IG-CG模型双分位点参数估计方法的稳健性和准确性。第四章简要阐述了图像分割问题和应用,回顾了四种经典图像分割方法并分析了它们的优缺点。四种方法包括基于阈值、基于区域、基于边缘以及基于特定理论的图像分割方法。然后介绍了图像处理中的形态学算子,包括二值形态学算子、灰度形态学算子,以及形态学算子在图像处理中的应用,为下章的探测场景分割方法的研究奠定基础。第五章根据探测场景中海、陆、噪声在回波功率上的特点,在原基于相位线性度的海/陆二元分割基础上提出了基于功率和相位线性度混合测度的海/陆/噪声三元场景分割的新方法。并用实测数据检验了分割方法的有效性。