合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天候、全天时对地探测和侦察的能力，在军事和民用领域得到了广泛的应用。图像分割是SAR图像目标识别与解译技术的重要组成部分，一直是雷达信号处理领域的研究热点。但是，由于SAR相干成像和侧视成像的特点，使得SAR图像偏暗，包含大量乘性斑点噪声，同时具有纹理复杂、边界模糊等特点，使得分割时的边界准确定位非常困难。由于相干斑噪声的影响，传统的光学图像分割算法对SAR图像的分割并不适用。本文针对SAR图像斑点噪声大、非平稳以及区域边界模糊等特性，以模糊理论和马尔可夫随机场(Markov random field, MRF)模型为基础，将二者融合并扩展应用到图像分割中。本文将MRF的扩展模型——三重马尔可夫随机场(Triplet Markovrandom fields, TMF)模型中标记场的取值范围由有限离散取值空间扩展为连续空间，以此描述每个像素对不同类别的隶属程度；构建了一个用于描述模糊标记场和附加场联合先验分布的模糊能量函数，该模糊能量函数的构建同时也考虑了邻域内四个方向的方向信息和邻域像素间的差异度信息；最后通过条件迭代估计(Iterative condition estimation, ICE)和最大后验模型(Maximum posterior mode, MPM)实现了参数估计及分割。本文对合成和实测SAR图像进行了仿真，实验结果和分析表明，本文算法在分割精度、区域一致性以及区域边界定位方面均优于经典的MRF和TMF算法，验证了本文算法的有效性。