合成孔径雷达(Synthetic Aperture Radar,SAR)有以下独有特点:全天候、宽波段、全天时以及主动成像,在国土以及军事安全领域有着广泛的发展前景。但是由于SAR图像目标很难用肉眼进行人工判别,所以采用已有技术对SAR图像目标进行自动识别是必要的。SAR图像目标识别的主要重点和难点在SAR图像的预处理以及SAR图像特征提取方面。本文主要讨论和研究了 SAR目标自动识别结合迁移学习以及卷积神经网络算法。本文首先分析了 SAR 图像自动识别算法(Synthetic Aperture Radar-Automatic Target Recognition,SAR-ATR)的基本概念以及结构组成,同时介绍SAR图像特性,针对SAR图像成像过程中无法避免的相干斑点噪声去噪处理,对常用的去噪算法进行分析对比并实验。讨论SAR图像自动动识别的三个模块:数据集预处理、特征提取以及分类识别。为后续工作做好理论基础。其次,研究了卷积神经网络识别SAR图像算法,利用卷积神经网络VGG16网络结构识别经过数据增强的SAR图像目标并实验对比小波变换以及Lee滤波两种预处理方法的优劣。最后实验结果表明经过数据集去噪预处理在识别率以及损失率方面均有明显的提升,并且Lee滤波预处理方法保留更多的轮廓信息在识别率以及损失率方面都优于小波预处理方法。最后,在SAR目标特征提取中,利用迁移学习迁移预训练网络模型。经过迁移VGG16与卷积神经网络实验对比,迁移网络结构可以在保证识别准确率的条件下,提高卷积神经网络的识别效率。为确定预训练网络结构选用方案,对迁移VGG16网络与迁移ResNet网络进行了仿真论证。ResNet网络因其更深的网络层数,可比VGG16网络更好地解决梯度消失问题,所以本文算法采用迁移ResNet网络进行SAR目标识别。实验结果表明,迁移ResNet网络获得了相比迁移VGG16更高的识别准确率。