合成孔径雷达是目前国内外雷达领域研究的热点。现代战争中,快速、准确的获取敌方目标对战场战局的影响是决定性的。本文针对SAR图像解译应用的需要,以发展实用化的目标识别系统为目的,对目标识别前的三个主要环节(SAR图像降噪,目标检测和聚类)进行了深入的研究,提出了新的SAR图像聚类方法。论文第一章首先介绍了SAR图像自动目标识别(SAR-ATR)的研究背景和其对于军民两用的重要意义,简单地概述了SAR图像自动目标识别技术的研究现状,提出了现在方法存在的不足,并介绍了本文的主要工作和内容安排。第二章主要研究了SAR图像降噪算法。首先简要介绍了相干噪声产生的机理,然后详细介绍并对比了几种常用的降噪算法,最后通过真实的SAR图像得到的实验数据,分析了算法的使用性能,并探究了滤波窗口大小的不同对滤波效果的影响。第三章主要研究了SAR图像目标检测算法。结合前人的研究成果和实际需要,考虑到实时性的要求,我们选择双参数恒虚警(Constant False Alarm Rate,CFAR)检测,该算法由于其处理速度快的特点,被广泛应用到实际问题中。然后通过实验,验证了双参数CFAR算法的有效性,并分析了算法中窗长度的设定对算法效果的影响。第四章主要研究了SAR图像目标聚类技术。本文选择DBSCAN算法作为基础算法,它可以对含任意形状簇的数据进行聚类,但由于SAR图像数据不具有明显的差异性,该算法对SAR图像聚类效果不理想。针对这一问题,本章在DBSCAN算法基础上提出一种新的SAR图像聚类方法,先通过小区域聚类得到飞机零碎部件信息,再通过模板库尺寸估算和大区域聚类得到飞机数量信息和机身位置,最后通过划分法得到最终的飞机类别信息。实验表明,与原始DBSCAN算法相比,改进算法在准确率上得到了很好的提高,顺应了SAR图像自动目标识别系统的发展趋势。第五章总结了全文的工作,并给出了进一步研究的方向。