本文是基于散射特性的SAR图像海上溢油检测算法研究，主要包括：　　（1）针对海面SAR图像的特点，对SAR图像进行预处理，分析不同滤波方法对海面SAR图像的滤波效果；针对海面SAR图像目标区域远远小于背景区域的特点，采用局部区域滤波方法，而且后续的图像分割也可以在这个滤波区域进行，使得它更适应海洋环境下的滤波。　　（2）研究SAR图像常用的分割方法，由于微波的散射特性导致交叉极化图像与共极化图像表现出不同的灰度特征，共极化图像海面与陆地灰度对比度较小，而交叉极化海陆灰度对比度较大，因此本文采用交叉极化进行SAR图像海陆分割；水平集方法对噪声比较敏感，对噪声较大的图像分割得到的目标区域边界粗糙，因此，本文采用水平集的方法结合形态学滤波对噪声较小的 SAR图像进行分割；马尔可夫分割方法的抗噪能力较强，采用马尔可夫分割分割方法对噪声较大的图像进行分割。　　（3）对分割后的图像进行特征提取，针对海洋环境下SAR图像的特点，提取出图像的几何、灰度、纹理、极化特征等，并且采用目标区域的灰度最大值与最小值作为灰度共生矩阵求取纹理特征值的灰度上下限，减小所需要计算的灰度范围、提高了特征参量的针对性。　　（4）分析常用的分类器，采用已有样本对不同分类器溢油识别能力进行测试，并得到不同分类器识别溢油的精度；针对海洋溢油与疑似溢油特点建立SVM集成分类器进行溢油识别；根据微波散射特性，利用全极化图像进行极化分解，通过Cloude分解、Yamaguchi分解得到极化参数，并结合全极化SAR图像共极化相位差等信息对已有全极化图像进行溢油识别。根据全极化图像特点，采用交叉极化图像进行海陆分割，然后再次分割提取阴影区域位置信息，对阴影区域进行分类器分类。把原本需要进行海面、陆地、溢油、疑似溢油4分类的情况变为了仅需要进行溢油与疑似溢油区分的二分类，提高了分类精度和后续溢油面积提取的精度。