近年来，合成孔径雷达SAR因其优势渐渐被应用于各种实际场景里，其中涉及对图像中目标的提取、识别、理解与分析。而SAR图像分割是图像解译流程中不可或缺的步骤，它是高层的图像处理的基础。因此，图像分割问题一直以来都是研究的热点话题。　　本论文针对大部分现存的SAR图像分割中欧式距离求组合特征相似度时存在的问题，提出了几种改进的与组合特征相似度有关的SAR图像分割方法。论文的主要工作如下：　　1.提出了一种基于多特征公平集成的多目标SAR分割算法。首先从欧式距离计算组合特征的相似度存在的问题出发，提出了一种区分对待不同种特征的相似度计算方法。其次，将改进的相似度计算方法引入到多目标聚类的目标函数上来提高算法的聚类性能。实验结果表明，新算法在图像边缘和一致性保持上有很大优势，而且分割准确率高于其他对比算法。　　2.提出了一种自适应特征权值的双层多目标SAR图像分割算法。算法分为了两层，在第一层通过差分进化来自适应获取图像的占优特征和最优特征权值。在第二层，利用上层获取的特征权值建立多个目标聚类指标函数并进行优化，最终得到分割准确率高的解集。在实验部分，通过对六幅合成纹理图像和四幅真实SAR图像进行分割，实验结果表明，新算法在各个评价指标都有很大的优势。同时将算法优化得到的权值与四个固定的权值在三幅合成纹理图像上进行比较，结果表明，新算法能够自适应识别不同图像的占优特征，而且能得到比较好的特征权重。　　3.提出了一种自适应特征权值的多目标SAR自动聚类算法。算法分为了两层，在第一层用于优化聚类类别数和特征权重这两个参数值，将优化的两个参数传递给下一层。在第二层，接收到第一层的参数后，自动聚类问题转换为了非自动聚类问题，多目标算法优化带特征权值的多目标聚类函数，得到最终分割结果。提出的方法应用多个纹理合成图像以及SAR图像的分割中，实验结果表明，新算法在各个评价指标都有很大的优势，能够自适应调节聚类类别数，而且能得到比较好的特征权重。