合成孔径雷达(SAR)图像解译一直以来都受到研究人员的广泛关注,近年来,随着雷达技术的发展,SAR图像已经达到了超高分辨率,这给解译工作带来了机遇和挑战。在超高分辨率SAR图像(MiniSAR)中,目标面和线常常呈现出大小不一、强度不同且不连通的亮斑使目标不完整等现象,使得直接进行目标检测极其困难,从而导致检测率低的问题。针对上述问题,本文提出了基于信息交互和迁移学习的超高分辨率SAR图像飞机目标检测方法,主要工作如下:(1)提出了基于亮暗阈值分割与k近邻选择的感兴趣目标候选区域获取方法。首先,根据SAR图像中飞机目标的特点,分别对SAR图像进行亮阈值分割和暗阈值分割,得到亮区域候选图和暗区域候选图;然后,根据一个目标阴影可能对应多个亮斑的先验知识,选择距离暗区域最近的k个亮区域,将它们与暗区域进行合并,得到像素空间的感兴趣目标候选区域。实验结果表明,该方法可以有效提取超高分辨率SAR图像中的感兴趣目标候选区域。(2)提出了基于机翼阴影结构的飞机目标阴影补全方法。首先,将像素空间的感兴趣目标候选区域对应到SAR图像的语义素描图中,得到语义空间的感兴趣目标候选区域;然后,基于素描线段邻域结构关系提取语义空间的感兴趣目标候选区域中疑似机翼阴影的素描线段;最后,对包含疑似机翼阴影素描线段的飞机目标候选区域,分析该区域中机翼阴影结构,针对不同区域采用不同的阴影补全方法,一种是针对两侧机翼阴影均完整的区域的阴影补全方法,另一种是针对只出现一侧机翼阴影的区域的阴影补全方法,两种方法的应用场景有所不同,但都能够对飞机目标的阴影进行补全,得到目标阴影区域图。本文方法结合了目标在像素空间的灰度信息和在语义空间的结构信息,实验结果表明,通过两个空间信息交互可以获取飞机目标候选区域并对目标阴影进行补全,有利于后期对飞机目标候选区域进行分类识别。(3)研究了基于迁移学习的超高分辨率SAR图像中飞机目标候选区域分类方法。首先设计对应自然图像中不同飞机种类的飞机目标二值模板,并将其作为源域,对经过阴影补全后的目标阴影区域进行后处理操作,得到目标阴影区域二值图,将其作为目标域,通过基于素描标注信息的生成对抗迁移学习方法,将源域的标签信息赋给目标域数据,进而完成飞机目标候选区域的分类任务。利用迁移学习方法,可以解决SAR图像数据量少且标签难以获得的问题,实现对SAR图像中飞机目标候选区域的准确分类与识别。