合成孔径雷达(SAR)是一种主动式微波遥感器，能够对各种目标以很高的分辨率成像，而且几乎不受任何天气的影响，因此在国民经济和军事领域中都有着广泛的应用。近年来，随着SAR技术的飞速发展，SAR图像的自动目标识别变得越来越重要，这就需要首先对SAR图像进行准确的分割。 SAR图像的成像原理决定了图像中存在大量的斑点噪声，这种相干斑噪声给图像分割带来了很大困难，本文利用基于边缘信息的小波变换去噪方法去除SAR图像相干斑噪声，得到去噪后的 SAR 图像然后进行分割。同时本文还结合支持向量机理论，给出了一种基于SVM的小波SAR图像去噪算法，根据实验结果可以看出此方法的滤波平滑效果优于基于边缘信息的小波变换去噪方法。 在图像分割算法方面，首先对一些当前常用的、经典的图像分割算法进行了总结，在此基础上给出了两种改进的SAR图像分割算法。一种是基于边缘信息和遗传算法的最佳阈值SAR图像分割方法，该方法是对去噪后的SAR图像进行分割，采用遗传算法确定图像的最佳阈值，根据图像边缘检测的结果，在图像边缘位置采用局部阈值分割，图像的其它位置采用遗传算法确定最佳阈值进行分割。结果表明，在设定了合适的遗传算子后，该算法可以实现正确的图像分割，同时由于引入边缘信息使得分割更精确，而遗传算法使得分割速度提高。另一种是基于SVM和纹理特征的SAR图像分割方法，该方法是直接对含噪SAR图像进行分割，首先利用小波变换提取SAR图像的纹理特征，通过计算图像的灰度均值，作为图像的灰度特征，然后用完全无监督的聚类算法进行分类，最后将特征值与类别标记作为支持向量机的训练样本，用训练后的分类器对图像进行分割。最后为验证本文算法的有效性，我们对比了几种分割方法处理同一幅SAR图像的效果，经过比较发现，本文所给出的方法无论从分割的准确性方面还是抗噪性方面部优于很多现有的分割方法。