合成孔径雷达(Synthetic Aperture Radar,SAR)图像在军事与民用方面的使用已经越来广泛。随着SAR技术的快速发展,获得的SAR图像数据越来越丰富及空间的分辨率也越来越高,当前SAR图像的目标检测与分类技术已经很难适用于这类高分辨率的SAR图像。这将严重影响SAR图像的自动识别系统技术的发展。本文主要是针对高分辨SAR图像中的军事目标(坦克、装甲车和军用汽车等)检测与分类技术进行研究。根据SAR图像目标自动识别系统中的检测步骤,针对SAR图像的相干班噪声去噪方法采用基于改进的小波软阈值滤波方法对图像进行预处理。通过对传统的SAR图像目标检测方法的研究,根据图像目标的灰度特征与纹理特征,针对传统基于单一特征检测虚警率较高的缺点,提出了一种基于多特征联合的高分辨率SAR图像目标检测方法:首先基于灰度特征统计的自适应局部背景噪声统计双参数的虚警检测进行目标检测,为了降低虚警率,根据一定的规则,采用图像纹理特征垂直边缘的方法实现SAR图像的目标检测。实验结果表明,该方法在背景复杂的高分辨率SAR图像目标检测中,目标的检测正确率高,稳定性好等优点。针对SAR图像的分类识别阶段,针对传统的分类器在高分辨率图像的分类不适用,提出了一种基于多分类器组合的高分辨率SAR图像的目标分类:利用最优组合策略,将峰值特征匹配的分类器与基于SVM的目标分类器进行组合,实现高分辨率SAR图像的目标分类。对MSTAR数据库中的数据进行分类实验,结果表明,其能结合各单一目标分类器的优点,进行互补,提高了分类识别精度。