随着合成孔径雷达(Synthetic Aperture Radar, SAR)应用领域的拓展, SAR图像解译技术日益受到人们的重视。其中SAR图像分割是对SAR图像进行解译的基础和前提,为后期的分类和识别奠定基础。然而SAR的成像特点使得SAR图像包含大量相干斑噪声,给图像分割带来了很大困难,使得传统的光学图像分割算法的应用受到限制。　　本文针对非平稳SAR图像的多类分割问题,提出了一种基于条件三重马尔可夫场(Conditional Triplet Markov Fields, CTMF)的无监督SAR图像分割算法。该算法结合了三重马尔可夫场(Triplet Markov Fields, TMF)引入第三个随机场描述SAR图像非平稳性的优点和条件随机场(Conditional Random Fields, CRF)建模任意非独立观测特征的优点,在条件随机场的基础上引入了一个辅助场来明确描述SAR图像的非平稳性,直接建模标号场和辅助场的联合后验分布,构建了标号场和辅助场联合作用下的一元和二元势函数,并且在模型中可以引入任意非独立的观测特征。通过对合成图像和实测SAR图像的仿真实验表明,与传统的TMF分割方法相比,CTMF模型的分割结果提高了边界定位的准确性和SAR图像的分割精度。然而,CTMF模型只能建模局部图像信息而不能充分利用全局信息,而引入全局信息有助于减小 SAR图像中的噪声影响。针对这个问题,本文在 CTMF的基础上进行了扩展,在一元和二元势函数中引入邻域标号间的相互作用信息,我们称为邻域条件三重马尔可夫场(NCTMF)模型。对实测 SAR图像的仿真结果表明,邻域CTMF模型相比CTMF模型,可以更好的抑制斑点噪声,得到的分割区域的一致性更好。