视频合成孔径雷达（VideoSynthetic Aperture Radar,VideoSAR）是一种具有高帧率成像特点的新型SAR成像模式,其成像结果以视频的形式给出,可以连续记录目标区域的变化实现动态观察,为动目标检测提供了新的解决途径,因此具有重要研究意义。阴影作为动目标重要特征,能够反映动目标真实位置和状态信息,VideoSAR高帧率连续帧成像的特点使得通过动目标连续阴影检测动目标成为可能。然而,动目标所处场景和运动状态的变化会导致在VideoSAR图像中动目标阴影对比度（the Contrast Ratio of a Distributed Target,DTCR）小、延展度（Extension of Shadow,SE）大,从而增加了动目标阴影检测的难度。因此,深入研究VideoSAR基于阴影的动目标检测理论及方法具有重要意义。本文利用深度学习方法,增强、提取弱阴影目标的特征,实现对DTCR小、SE大的动目标阴影的检测,大幅度提高了检测性能,具体工作和进展如下:1.介绍了VideoSAR成像原理,分析了动目标阴影产生的原因。通过动目标阴影区域及形状数学表达式,说明了VideoSAR各帧动目标阴影及可能对检测不同DTCR和SE的动目标阴影的干扰因素,定量研究并仿真分析了DTCR、速度大小及方向对动目标阴影区域的影响,为利用阴影进行VideoSAR动目标检测提供了理论基础。2.针对VideoSAR图像中动目标阴影特征增强和提取,提出了基于特征金字塔网络-密集局部回归的VideoSAR动目标检测方法。该方法利用通过点像素逐位相加深度融合特征的特征金字塔网络（Feature Pyramid Network,FPN）构成Faster R-CNN目标检测器,并用密集局部回归（Dense Local Regression,DLR）替代传统回归。通过仿真和实测数据证明FPN-DLR对VideoSAR动目标检测的有效性,实验表明相比基于OTSU的传统单帧VideoSAR动目标检测,FPN-DLR大幅度提高了VideoSAR动目标检测准确率。3.针对FPN-DLR检测DTCR小、SE大的动目标阴影能力不足的问题,首次将记忆力增强全局-局部聚合（Memory Enhanced Global-local Aggregation,MEGA）多帧检测方法应用到VideoSAR领域,并改进提出I-MEGA,分析了不同残差网络层数对VideoSAR动目标检测的影响。该方法利用VideoSAR相邻帧动目标阴影之间的相关性,实现动目标阴影特征聚合和提取。通过仿真和实测数据进行实验,结果表明相比FPN-DLR及基于流引导特征聚合的多帧检测,I-MEGA大幅度降低了虚警错误率,有效提升了检测DTCR小、SE大的VideoSAR动目标阴影能力。