合成孔径雷达（Synthetic Aperture Radar,SAR）是主动式侧视雷达系统。该系统在环境,考古,军事等方面具有广泛的应用,可以产生高分辨率的图像,并能在任何时间、任何天气条件下工作。然而其特殊的成像机制导致SAR图像受斑点噪声的影响十分严重。作为SAR图像解译的基础工作,SAR图像分割是指将一幅SAR图像划分为一些不重叠的、连贯的区域,在同一区域内的像素具有相似性,而不同区域之间的像素则拥有相异的性质。将SAR图像划分为这些有意义的区域有助于从高层次理解图像,便于进一步处理分析,促进SAR图像处理技术的更新与发展。SAR系统所捕获的信息是地物目标对雷达波束的反映,不同地物目标对雷达波束有着不同的反映。因此,SAR图像中往往包含多种不同信息,不同信息对应不同的地物目标。实际应用中仅仅利用灰度信息进行分割无法获得理想结果。实现对SAR图像准确分割的重点是对待分割图像中边缘信息的把握和降低噪声对分割算法的影响。针对这些问题本文提出了以下三种算法:1)提出了一种新的基于结构信息提取和分级模糊聚类的SAR图像分割算法。首先利用旋转双窗口的Bhattacharyya距离生成待分割图像的结构信息图,其中包含边缘点和噪声;则剩余像素为纹理信息点,再利用一定规则选出其中的匀质点,并利用一种新的分级模糊聚类方法对其进行模糊聚类;最后利用超像素对图像进行滤波确定每个像素的类标,从而可以得到整幅图像的精确分割结果。2)提出一种基于改进的CRF和图像多尺度重构的SAR图像分割算法。具体来说,该算法首先利用多尺度金字塔对输入SAR图像进行信息重构,并利用L0平滑提取该图像几何结构信息,这做有利用更加准确地提取几何结构,提高算法的鲁棒性。然后利用otsu阈值法和分级融合模糊聚类对CRF算法的初始化进行优化,这样做有利于提高准确度。最后,根据提取的几何结构信息利用核函数改进CRF的二元能量函数来达到优化模型的目的,这样避免了传统CRF对几何结构的忽略。3)提出了一种基于纹理复杂度分析和关键超像素的SAR图像语义分割方法（TKSFCM）。首先利用一种新的纹理分析方法对待分割图像进行纹理复杂度分析,然后利用改进的SLIC方法对图像进行过分割,并提取各个超像素的特征。对于纹理复杂度较高的图像,先将复杂区域分出再根据一定规则选取混合超像素作为关键超像素。对于纹理复杂度较低的图像直接提取其关键超像素。最后根据提取的特征对超像素进行模糊聚类预分割,并对关键超像素进行像素级处理得到最终结果。