海杂波背景下的目标检测技术已经在军事和民用领域得到广泛应用。雷达在对海模式下工作时,扫描场景复杂且大,雷达回波中往往包含着各种类型的杂波,包括海杂波、地杂波、岛礁杂波、近海杂波等。地杂波和岛礁杂波回波强度较强,严重影响着海杂波背景下的目标检测,因此,海面目标检测前对杂波场景进行海-陆分割是必须的预处理,处理结果的质量将直接影响着后续海面目标检测的性能。陆海杂波场景分割是在分析雷达回波数据的基础上对杂波场景进行分割。不同于传统的图像分割,雷达杂波场景的分割包括了转化雷达数据成灰度图像和灰度图像分割两部分。图像分割就是将图像分成不同的区域并从中提取出自己感兴趣目标的技术和过程。经典的图像分割方法包括三类:基于阈值的图像分割方法、基于区域的图像分割方法、基于边缘的图像分割方法。基于阈值的图像分割方法是根据图像中目标与背景在灰度上的差异选取一个合适的灰度值作为阈值,然后以此阈值进行图像分割。该类方法算法简单,运算快速,通常被用于获取图像的粗分割。基于区域的分割方法利用图像区域的相似性来对图像进行区域分割。它首先将图像划分成小尺寸的子区域,每个子区域中的像素被认为具有相同的特性,然后将具有相同特征的子区域合并成大尺寸的区域得到图像的一个分割。基于边缘的图像分割方法一般由边缘抽取、边缘连接和区域标识三个模块构成。它通过边缘检测得到图像的边缘点,然后将得到的边缘点通过一些方法进行边缘连接形成区域并对区域进行标识从而实现图像分割。除了这三类典型的方法外,还有很多方法混合了多种方法的特点,如基于数学形态学的图像分割方法、基于小波理论的图像分割方法、基于遗传算法的图像分割方法、基于神经网络的图像分割方法等。雷达的陆海杂波场景常常由106以上的距离-方位分辨单元构成,因此,快速和实时的场景分割对雷达应用是至关重要的。在论文中,一个分辨单元的雷达回波的线性度被引入去转化雷达数据成一幅灰度图像,然后阈值处理和数学形态学滤波被用于实现该灰度图像的快速分割。雷达对海工作时,在一个波位发射脉冲数一般在10个以内,脉冲回波序列的相位很容易计算。每个分辨单元雷达回波相位序列的线性度构成了一幅场景的灰度图像。其中小的灰度值常常标识了陆地或岛礁区域的分辨单元,因为这些单元雷达回波具有很窄的多普勒带宽。大的灰度值意味着海洋区域的分辨单元,因为海杂波具有相对大的多普勒带宽。按照单元相位线性度分析,阈值处理应用到灰度图像上去获得场景的一个粗分割。进一步考虑到陆地和海洋区域的连通性,数学形态学滤波被应用到粗分割上获得最终的杂波场景分割。归功于线性、阈值、形态学滤波的快速性,提出的方法能够满足实际雷达系统的实时处理要求。