合成孔径雷达(SAR)工作于微波频段,并具有相干成像的功能,能在严酷恶劣的气候下,对目标实现全天时侦察并获得大面积的二维高分辨率图像,为目标的有效分类与识别提供了数据来源,具有广泛的应用价值。近年来,SAR自动目标识别技术应运而生,在提高信息处理效率的同时能改善对目标识别的准确度,并将成为各国在国防军事领域的重点研究方向。本文主要对SAR图像预处理和特征提取进行探讨,验证预处理方法的适用性并研究各种特征提取方法对目标识别的影响。具体内容包括:1、针对SAR图像的特殊性,采用系统的预处理方法对MSTAR数据进行处理。本文通过增强Lee滤波与中值滤波的级联来有效地抑制原始SAR图像的相干斑噪声,保留图像的边缘等细节信息;采用幂变换的灰度增强方法改善图像的对比度,提高目标的辨识能力;对图像采取双参数恒虚警率分割,将感兴趣的目标区域从复杂的背景杂波中分离出来;通过后续的质心配准和能量归一化处理,克服了目标相对于雷达距离不同造成的目标散射回波强度差异的影响。2、研究了核主分量分析方法,该方法将核空间中的内积通过样本空间中的核函数来表示,有效解决了传统的主分量分析不利于数据非线性特征的提取问题。此外,研究了基于核函数的二维主分量分析方法,该方法在核空间中采用二维主分量分析,在有效解决非线性特征提取问题的同时保留图像的二维空间结构信息,对样本数的依赖度低,并降低了对目标方位信息的精度要求。3、针对线性判别分析特征提取方法采用一维向量模型的方式运算导致的维数灾难和小样本问题,探索了核线性判别分析以及改进的核加权最大间距准则方法,并研究保留图像结构信息的核二维线性判别分析方法。该方法利用所构造的核样本图像矩阵直接在核空间采用二维线性判别分析方法,在保证解决小样本问题的前提下,对目标方位角变化也具有较好的鲁棒性。