随着SAR图像分辨率的逐渐提高，SAR图像得到越来越广泛的应用。这种背景为SAR图像目标检测与提取的深入研究提供了契机。本文以TerraSAR-X为主要数据源，围绕从高分辨率SAR图像中准确获取飞机ROI这一目标，研究了机场跑道和机场区域的自动提取、飞机目标的检测和辨识等，主要的研究内容和工作如下：　　 (1)研究了从高分辨SAR图像中自动提取机场跑道和机场区域的方法。首先详细分析了机场在SAR图像中的表现和特点，总结了机场的灰度特征和结构特征；然后针对SAR图像中跑道边缘具有的平行线特征，本文设计了以尺度变换、ROEWA边缘提取、短直线提取、长直线连接和平行线对搜索为流程的机场跑道提取方法，并在其中短直线提取和长直线连接两个关键步骤处，提出了基于线基元的短直线提取、基于模板搜索的长直线连接方法；其次，为了准确判断机场是否存在，本文在前面提取跑道平行线特征的基础上，结合跑道的灰度特征、尺度特征和机场的结构特征对疑似机场区域进行验证识别；最后，在机场跑道提取结果的机场上，使用区域生长得到整个机场的像素点；　　 (2)研究了基于改进CFAR的飞机目标检测方法和基于改进分形特征的飞机目标检测方法。首先针对飞机目标所在的背景区域进行了统计建模研究，得出飞机目标所在的水泥地、草地、水泥地和草地混合区这三类背景杂波符合Gamma分布的结论；然后研究了CFAR方法在飞机目标检测上的应用，分析了飞机目标在复杂机场环境中的特点，讨论了此时CFAR方法遇到的问题，并针对飞机目标相互靠近这种多目标环境，采用改进的CFAR方法进行检测；随后，通过机场区域提取的结果与CFAR检测结果的叠合，去除大部分虚警，得到潜在飞机ROI；最后，实现了最新提出的改进分形算法，并将之应用于TerraSAR-X数据中的飞机目标检测，同时与传统的扩展分形方法进行了比较分析；　　 (3)针对在图像中飞机呈现出明显形状的高分辨率SAR图像，研究了飞机目标对称性的提取，首次将对称性引入到了SAR图像飞机目标辨识。采用了PCA方法和旋转搜索法对飞机ROI进行了对称性检测，可有效找出飞机的主轴，并估计出飞机的方位角；同时分别研究了基于对称点统计比例和基于Hausdorff距离的对称性测量，来度量目标具有的对称性；实验表明，对称性充分利用了飞机的形状特征，可作为飞机目标辨识算子的一个有力补充。