合成孔径雷达(SAR)在民用和军事领域都有着广阔的发展前景和实用价值，SAR图像处理的关键技术成为了国内外的研究热点。因此，对SAR图像处理的关键技术进行研究具有重要的理论和实际意义。本人在现有成果的基础上，研究了SAR图像去噪、分割及目标检测的方法，主要工作如下：首先，研究了一种基于复Contourlet变换和隐马尔科夫树(HMT)模型的SAR图像去噪方法。该方法利用复Contourlet变换的多尺度、多方向性和平移不变性的特点，将其与HMT模型相结合，从而能够准确地描述复Contourlet变换域系数在相邻尺度间的相关性。对实验结果的定量分析可知，该方法取得了良好的去噪效果。其次，提出了一种基于混沌粒子群优化(CPSO)的二维模糊Tsallis熵SAR图像阈值分割方法。该方法引入模糊集理论，在定义隶属度函数时考虑像素的邻域灰度信息。同时利用CPSO算法搜索最优的模糊参数，减少了运算时间。实验结果表明该方法在分割效果和运算速度上都有一定的提高。再次，实现了一种基于二维最小Tsallis交叉熵的SAR图像舰船检测方法。该方法首先使用基于二维最小Tsallis交叉熵的方法从背景中提取到含有舰船目标的感兴趣区域，然后利用数学形态学的方法去除感兴趣区域中的虚假目标。由实验结果可知，该方法能够在复杂背景中提取出舰船目标，并且有效地降低了虚警率。接着，在研究了核模糊聚类(KFCM)算法和Chan-Vese(CV)模型的基础上，提出了一种KFCM算法和CV模型结合的SAR图像海面溢油检测方法。该方法利用KFCM算法将图像映射到高维特征空间，使属于不同类的数据更易划分。在CV模型中耦合KFCM的区域信息，提高了CV模型的收敛速度。通过对比率图像方差和对数归一化似然比的定量比较可知，该方法具有一定的优越性。最后，给出了一种基于Contourlet域模极大值和改进数学形态学的SAR图像河流检测方法。该方法利用Contourlet变换各方向子带的方向信息和梯度信息，分别采用模极大值方法和改进的数学形态学边缘检测算子对高频子图像和低频子图像进行边缘检测。实验结果显示该方法得到的河流边缘清晰、准确。