合成孔径雷达(Synthetic Aperture Radar,SAR),因为不受气候与时间限制的工作特性,被广泛应用于军事和民用的许多领域,SAR图像自动目标识别(Automatic Target Recognition,ATR)技术也成为对SAR图像进行处理与分析的重要手段。作为整个SAR ATR系统的基础,目标检测的质量直接影响了对后续目标识别的结果,因此研究SAR图像的目标检测方法具有重要意义。人类视觉系统能够对图像中某些较为突出的对象给予更多的注意,这些对象称为显著目标。利用人眼对这些显著目标的感知机制,研究人员提出了许多性能优良的显著目标检测算法。受此启发,本文将人眼视觉注意机制运用到SAR图像的目标检测中,对现有的显著性检测模型进行改进,使其能够适用于SAR图像目标检测任务中。本文主要研究内容与工作如下:(1)研究了基于人眼视觉注意机制的多种显著性检测模型,对不同类型的算法进行了总结与分析。详细研究了几种经典的显著性检测算法及其特点。(2)经典的Itti算法用于SAR图像目标检测时,容易出现检测目标形状不清晰、可能会丢失大量原始信息的问题。对此,本文提出一种基于多尺度超像素的SAR图像显著目标检测算法。首先,利用超像素对目标边缘的粘合性,采用不同超像素大小对原图像进行多次分割;然后,结合SAR图像的固有特征,以超像素为单位进行特征图计算;最后,将不同特征图进行融合得到最终的总显著图。(3)研究了一种基于轮廓引导搜索理论的显著结构检测模型,并针对其应用在SAR图像目标检测中的诸多局限性进行改进,提出了一种基于轮廓引导搜索理论的SAR图像目标检测算法。该算法利用引导搜索理论中的两条并行的信息处理通道。在非选择通道中,首先,利用均值比算子与各向异性高斯核,获取图像的轮廓先验,然后,再加入标准偏差特征,进一步加强目标区域,同时抑制背景区域,获得目标先验;在选择性通道,选取符合SAR图像特性的四个目标特征。最后,通过迭代,进行贝叶斯推理获取最终的目标后验图,作为最终的显著目标检测结果。(4)通过大量仿真实验,从定性与定量两个角度对算法性能进行评估,并与其它几种不同算法进行比较,证明了该算法在SAR图像目标检测方面具有一定的性能优势。