合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天候、全天时、多极化、多波段等特征，被广泛应用于军事和民用领域。因此SAR图像的处理具有重要意义。SAR图像的分类是SAR图像处理的基础。由于成像机理的不同，SAR图像和一般的光学图像有着很大的差别，SAR图像中的大量斑点噪声使得一般的光学图像处理技术不再适用。本文结合图像的多尺度技术和概率图模型理论，以SAR图像分类为目的，对SAR图像进行贝叶斯网络模型、两尺度贝叶斯网络模型建模，并以此为基础进行SAR图像分类方法的研究，并通过实验验证了模型的实效性。具体为：　　 ⑴基于马尔科夫随机场（Markov Random Field，MRF）的SAR图像分类技术。首先根据SAR的成像机理，构造SAR图像的MRF模型；其次用Gibbs随机场的邻域系统求解MRF的先验概率，并将图像分类问题转化成贝叶斯后验概率的估计；然后采用EM算法估计出观察场的参数特征，通过ICM（条件迭代模型）算法进行结构训练，最终求得与观察场相应的标记场的最大后验概率（MAP）；最后评价ICM-MRF模型的分类结果。　　 ⑵基于Bayesian网络的SAR图像分类技术。首先引入Bayesian网络分类模型，然后采用EM算法估计出观察场的参数特征，通过信念传播算法（BP算法）得到标记场的最大后验概率（MAP）。最后对BP-BN模型的分类结果进行评价。　　 ⑶基于两尺度Bayesian网络的SAR图像分类技术。首先根据SAR的成像机理，构造了两尺度Bayesian网络模型，其次通过EM算法估计出上下两尺度观察场的参数特征，最后构造树结构的BP递归算法求得细尺度标记场的最大后验概率（MAP）。该模型上下两尺度的邻域系统采用方向对称的方法构造，使得运算时间和分类精度得到改善。最后对两尺度Bayesian网络模型的分类结果进行评价。