海洋浮冰受风力和波浪的影响,其流经区域对船舶航行、港口、海上油气勘探等造成威胁。而流冰区的浮冰大小形状各不相同,有的接触紧密,有的大块浮冰周围存在许多细小碎冰。加上SAR的相干系统会导致图像存在斑噪声,这使得SAR图像中浮冰的分离难以实现。本文针对SAR图像中背景复杂以及多目标浮冰问题,提出了一种基于背景抑制显著性检测的SAR流冰分离方法。并通过实验验证了本文方法的有效性和适用性。本文主要工作和研究内容如下:首先,对SAR海冰数据进行了预处理及数据集的制作,包括对图像进行噪声抑制、感兴趣区域提取、数据集制作以及分类等;然后对SAR海冰数据进行特征提取分析,主要提取了图像的颜色特征(均值和直方图)和纹理特征(灰度共生矩阵和LM滤波器组),并通过实验分析从中选择了适合SAR海冰图像的特征组成最优特征集来进行后续实验。其次,针对SAR浮冰分离中存在的复杂背景问题以及多目标浮冰的问题,提出了结合显著性检测的SAR流冰区浮冰分离的方法。通过对多种超像素分割方法分析,最终选择简单线性迭代方法(SLIC)来对图像进行多级超像素分割,并学习随机森林回归量来获取初步显著图,但当有疑似浮冰大面积接触图像边界的时候,显著性检测方法的检测精度会降低,针对此问题,本文提出了背景抑制模块,通过边界区域传染来抑制边界疑似冰,弥补了显著性方法在海冰检测中的不足。最后,在SAR海冰数据集上进行了对比实验分析。通过与较为先进的八种显著性检测方法和五种海冰分割方法进行对比实验,并综合PR曲线、F_measure、MAE、MIoU和FWIou等评估指标,证明了本文方法对SAR海冰图像中存在的孤立浮冰,小碎冰、边界疑似冰等复杂背景问题和多目标浮冰问题有了显著的改善。