逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)凭借其全天时、全天候和远距离高分辨成像能力，在海上舰船目标的类别属性判定中发挥着巨大的作用，对我国的战略防御和航运交通管制等方面有着重要的意义。然而，想提高基于ISAR系统的舰船目标识别能力，仍需解决几个关键问题。首先，高质量的图像是舰船目标识别的关键，相较于其它视角下的图像，舰船的侧视像和俯视像能提供目标更加丰富的结构信息，因此，如何从雷达观测时间内选取合适的成像时间段生成高质量的目标侧视像及俯视像是本文研究的重点。其次，即使获得了目标侧视像及俯视像，也仅仅是目标散射点在距离-多普勒域上的分布，想要提取更加准确的舰船目标特征，仍需要对图像进行横向定标处理。同时，相较于单幅的目标像，ISAR图像序列多了时间维，能提供目标的转动信息，使之成为了舰船目标识别的重要特征。如何提高目标转动信息的估计精度，也是当前急需解决的重要技术。上述的三个问题不仅是ISAR舰船目标识别领域中的难点，同时还制约了ISAR系统在实际应用上的发展。
　　本论文深入开展了目标最优成像时间段选取、横向定标以及转动信息估计等方面的研究，旨在提高ISAR图像成像质量和探讨稳定的目标转动信息估计方法，以增强基于ISAR系统的舰船目标识别能力。本文的主要研究内容包括以下三个方面：
　　第一部分研究了舰船目标最佳成像时间段选取算法，旨在从雷达回波中选取合适的成像时间段生成高质量的目标侧视像及俯视像。该问题包含两个部分：最佳成像时刻和最佳成像累积时间段。首先，针对最佳成像时刻选取问题，本文从雷达回波信号出发，证明出目标的水平旋转分量与其最大高度、垂直旋转分量与其中心线之间的线性关系。因此，目标的两个转动分量大小可以通过检测图像序列的中心线斜率以及高度信息来估计。同时，本文给出了相应的舰船中心线及最大高度提取算法，并分析了传统舰船中心线提取算法中选取准则存在的问题，进而提出了新的准则以提高不同视角下雷达图像的中心线估计准确率。其次，针对最佳成像累积时间段选取问题，本文提出了以图像梯度为评价标准的时间宽度估计算法来选取合适的时间段生成高质量图像。最后，通过仿真数据和实测数据验证了算法的有效性。
　　第二部分研究了舰船目标ISAR像的横向定标算法，旨在获得目标精确的尺寸信息。首先，针对匀速转动下的目标，分析了传统图像旋转相关法存在的问题，并提出了基于仿射投影矩的横向定标算法。该方法在计算目标的有效转速之前，采用仿射投影矩对相邻两幅ISAR图像进行预处理，以消除两幅图像之间的‘尺度-伸缩’差异。其次，针对非匀速转动下的目标，提出了基于仿射投影矩法和加权平均法相结合的横向定标模型。该模型首先利用仿射投影矩法和ISAR图像序列去估计不同时刻下的目标平均旋转速率，然后采用加权平均的方式来估计中间时刻的目标旋转速率进行定标。
　　第三部分研究了目标转动信息估计算法，旨在提高目标转动信息估计精度。重点研究的内容包括三个部分：特征点提取、匹配跟踪以及旋转中心估计。针对特征点提取问题，本文采用了加速鲁棒特征(Speeded-up Robust Feature, SURF)，相比于传统方法中使用的角点，SURF不仅能从图像的不同尺度上分析目标特性，还能针对图像上的缩放、旋转以及仿射变换保持较稳定的特性。针对特征点匹配跟踪问题，本文采用了双向特征配准法及随机抽样一致算法(Random Sample Consensus，RANSAC)相结合的模型，首先利用双向配准法进行一次粗搜索，剔除绝大多数不满足的特征点，后用RANSAC法对剩余的特征点提纯，做到同时兼顾效率和准确率。针对旋转中心估计问题，本文采用了傅里叶变换(Fourier transform, FT)进行处理，傅里叶变换会将目标的旋转中心转化到频率域上的零频点处，进而不需要确定其位置。