对图像中目标的轮廓进行提取,是数字图像处理中的一项基本问题。其目的在于从图像中分离出人们感兴趣的目标物体或者区域,是对图像做进一步分析和理解的重要前提和必要步骤。在遥感、医学、军事等领域中,有着重要的应用价值。长期以来,人们对于此进行了大量的研究。近年来,基于偏微分方程的图像分割方法逐渐成为该领域的研究热点,得到了蓬勃发展。本文针对基于偏微分方程的轮廓提取技术进行了探讨,重点研究了在SAR卫星图像处理中的运用。基于偏微分方程的图像分割方法的核心是曲线演化理论,在此基础上发展起来多种活动轮廓模型,如Snake模型、GAC模型、Chan-Vese模型等。此类模型利用能量泛函及极小化的手段,促使样条曲线收缩并停止于目标边界处,达到轮廓提取的目的,对目标物体的拓扑变化具有较好的适应性,得到了广泛的应用。然而SAR卫星图像具有自身独有的特点,有时会因为入射角度差异或者雷达天线物理误差而带有亮度偏差。在实践中,偏差域会导致活动曲线的收敛偏离轮廓。针对该问题,本文提出了一种亮度矫正和轮廓提取的变分模型,在不依赖于额外参数和限制条件的情况下,去除SAR图像的偏差域。在此基础上,针对亮度校正带来的轮廓弱化问题,在轮廓提取中采用改进的GAC模型。在停止函数中增加一项权重项,将图像梯度信息和利用张量投票方法得到的Saliency场结合,达到提升弱轮廓处停止函数权重的目的。通过第五章的实验结果,并与其它方法进行对比分析,说明了该方法的有效性。