随着合成孔径雷达(Synthetic Aperture Radar,SAR)的蓬勃发展,SAR图像数据的应用研究受到广泛关注。人工解译难以适应数据的高速增长,利用计算机技术对SAR图像进行自动分析,完成发现、定位与识别目标任务,是国内外合成孔径雷达图像处理和模式识别领域的研究热点,具有重要民用和军事价值。　　 本文深入开展了合成孔径雷达图像目标检测和目标识别方法研究。论文的主要工作和创新点包括:　　 1.研究了SAR图像目标检测方法。分析了SAR图像纹理特性提取方法,提出了一种利用指数小波对SAR图像滤波进而求解方向性粗糙度特征的SAR图像目标检测方法,确定了该方法检测目标的最优参数。对MSTAR数据和ADTS数据的SAR图像进行了目标检测实验,实验结果验证了该方法的有效性。　　 2.研究了SAR图像目标分割方法。比较了三种不同的SAR目标分割方法。提出了将SAR图像目标分割后信息与Gabor滤波器相结合的SAR目标识别方法。比较了目标图像旋转、分割和不同Gabor滤波器对目标识别结果的影响。实验验证了该方法可以有效提高目标识别率。　　 3.研究了Gabor小波理论和支持向量机分类方法。提出了基于目标低频子带图像结合Gabor滤波分块特征的SAR目标识别方法,分析了不同低频子带图像、分块数目、不同Gabor滤波器,以及局部Gabor滤波器四种因素对目标识别结果的影响。实验验证了该方法可有效识别SAR目标。　　 4.研究了小波多分辨分析技术、主成分分析方法和独立分量分析技术。研究了基于小波域的主成分分析SAR目标识别方法,分析了不同低频子带图像和主成分分析后特征向量维数的不同对目标识别结果的影响。提出了将Gabor滤波器和独立分量分析技术相联合的SAR目标识别方法,比较了该方法与其它方法的目标识别结果。实验结果表明该方法优于其他几种目标识别方法。