合成孔径雷达(Synthetic Aperture Radar, SAR)成像可以在复杂的环境中获取地物地形的二维高分辨率SAR图像，为对地观测和军事侦察提供了一种更加可靠的探测手段。面对SAR数据源的急剧膨胀，如何从大规模数据中快速准确地提取有用信息对SAR图像解译系统提出了挑战。SAR图像自动目标识别作为SAR图像解译系统的关键技术，在信息提取和搜集方面发挥的重要作用使其成为国内外学者的研究热点。压缩感知(CS)是近年来发展起来的一种崭新的信号处理理论，其在目标识别领域已经展现出较大的应用价值。本文根据压缩感知理论，结合SAR图像处理特点，研究了基于压缩感知的SAR图像目标识别技术，主要研究内容如下：1.针对SAR图像去除背景干扰和增强分类信息的要求，研究综合了本文的SAR图像预处理流程。在Markov随机场图像分割模型的基础上，研究了一种去除干扰基团的Markov随机场SAR图像分割；并利用几何聚类对分割图像中的孤立伪目标区域予以去除；随后对提取的目标区域图像进行图像增强、质心配准和灰度归一化处理。通过实验效果证明该流程能够获得完整的目标轮廓，去除孤立伪目标区域，同时保留目标的边缘和结构等细节，增强图像中的可分类信息。2.鉴于压缩感知在模式识别中展现出的良好性能，研究了基于压缩感知的SAR图像目标识别方法。在梯度投影稀疏重建算法(GPSR)的基础上推导出非负梯度投影稀疏重建算法(NGPSR)，对施加非负约束的样本间稀疏表示模型进行重建，并设计了一种直接利用非负稀疏系数的分类算法完成SAR图像目标识别。最后基于MSTAR数据的仿真实验证明：该方法对三类含变体目标的平均识别率可以达到97.29％，是一种有效的SAR图像目标识别方法。3.利用置信度度量的拒识准则提出一种最近邻(NN)和压缩感知相结合的SAR图像目标识别方法。该方法在最近邻分类之后，对部分置信度较高的未知样本直接由最近邻确定其类别，而部分置信度较低的未知样本先判决为拒识样本，再由压缩感知法确定其类别。并利用K近邻(KNN)筛选出部分训练样本组成压缩感知的稀疏字典，大大降低了稀疏字典的维数，加快了稀疏表示的重建速度。基于MSTAR数据库中的全样本和部分样本实验证实，该方法可以在识别率微弱降低的情况下，明显提高目标识别的速度。