SAR图像目标分割、目标特征提取与分析是SAR图像自动目标识别的关键技术。由于SAR成像对目标方位的敏感性,目标方位角参数对特征分析、目标识别有着重要影响。本文以SAR图像自动目标识别为背景,针对SAR图像目标分割、目标方位角估计、目标特征提取与分析这三方面的内容展开讨论和研究。首先,讨论了SAR图像目标分割问题,实现了一种基于连续MRF(MarkovRandom Field)模型的“软”分割方法。该方法采用连续MRF模型描述分割图像的先验结构信息,并根据最大后验概率准则和E-M(Expectation-Maximization)算法推得了一种图像分割的迭代算法,并将基于瑞利分布的CFAR(Constant False AlarmRate)分割结果作为迭代初值,一定程度上避免了MRF分割算法陷入局部最优,并提高了收敛速度。其次,利用SAR图像中目标区域近雷达方向的距离主导边界结构以及边界上“野值”的稀疏分布特性,提出了一种检测、剔除“野值”的稳健方位角估计算法。由于仅利用距离主导边界估计方位角会使目标水平和垂直方位存在90°的模糊,本文提出了一种基于目标区域长宽比特征的解模糊算法。最后的仿真实验表明了算法的有效性和稳健性。最后,以MSTAR数据为基础,讨论了目标特征的提取,并对特征的可分性进行了深入的分析。由于SAR目标图像训练数据的小样本特性以及对目标方位角的敏感性,本文采用支持矢量数据描述方法(SVDD,Support Vector Data Description)描述特征在每个方位角角区内的局部空间分布特性,并给出了相应的特征可分性度量;同时采用基于目标特征空间轨道(Feature Space Trajectory,FST)表示的识别方法对特征可分性分析的有效性进行了验证。针对线性特征空间轨道表示方法的不足,本文给出了加权特征空间轨道和核函数特征空间轨道两种表示方法。