合成孔径雷达SAR(Synthetic Aperture Radar,简称为SAR)是一种主动式微波遥感成像雷达,它既不像光学遥感那样仅能在白天成像又不同于红外遥感易受周围环境、温度等条件的影响,可以方便的搭载在各种平台上(如卫星、飞机等),能在任何时间和地点成像。因此合成孔径雷达在自然灾害监测、地形测绘、环境测评以及军事等领域发挥着越来越重要作用。随着SAR成像的手段越来越多,信息越来越丰富,获取的图像数据量也越来越大。德国的TerraSAR-X卫星十几天就可以围绕地球观测一遍,所提供的SAR图像分辨率高达1m,数据量大、精度高。因此如何对海量的高分辨SAR图像数据进行快速有效的处理已成为当前面临的挑战。目前对SAR图像的解译能力远远落后于SAR图像数据的获取能力,这成为制约SAR应用的关键因素,也是当前研究中亟需解决的问题。因此SAR图像的自动处理技术成为国内外的研究热点,而其中的自动目标检测技术是核心问题之一。SAR图像自动目标检测系统ATR(Automatic Target Recognition,简称为ATR)是指在没有人工直接干预的情况下,在较短的时间内自动检测出感兴趣的目标及其位置。现有的SAR图像目标检测主要是采用基于对比度的算法,其中恒虚警(Constant False Alarm Rate,CFAR)算法应用最为广泛。SAR图像中的目标都具有强散射特征和阴影特征,同一个目标的强散射特征和阴影特征在空间位置上存在一种语义上的关联关系,而且目标与其周围环境之间也存在着一定的上下文关系。我们将这些关系作为指导目标检测的规则或策略,对原有的检测算法加以改进,从而设计出了多种效果较好的SAR图像目标检测算法。另外,我们利用高分辨SAR图像素描图中素描线段的语义信息,针对高分辨SAR图像的目标检测,提出了语义空间和图像像素空间信息交互的SAR图像目标检测框架,基于该框架设计并实现了相关目标的检测方法。本文的主要创新性工作如下:1、本文提出了一种基于亮暗区域匹配的恒虚警检测方法,它适用于高分辨SAR图像中的汽车检测。传统的恒虚警算法主要是利用目标的强散射特征来进行检测,而亮暗区域匹配的恒虚警方法不但采用目标的强散射特征而且利用了目标的阴影特征。根据强散射特征和阴影之间的空间位置关系,可以有效地减少虚警目标。对Mini SAR图像进行实验,结果表明所提出的亮暗区域匹配恒虚警算法相对于传统恒虚警算法在具有相同检测率的条件下,可以达到更低的虚警率。2、针对高分辨率SAR图像难于找到精确的背景杂波分布概率模型而恒虚警算法却依赖于杂波分布模型的问题,提出了一种不需要背景杂波分布模型的高分辨率SAR图像汽车检测算法。该算法采用模糊聚类和自动阈值分割算法搜索场景中的亮区域和暗区域,然后筛选潜在的汽车强散射区域和潜在的汽车遮挡区域。再对它们的空间位置关系进行匹配,并计算它们源于同一辆汽车的隶属度。最后通过阈值选择高隶属度的目标,并进行合并和输出。实验结果表明该方法在不需要任何背景杂波分布概率模型的条件下仍然可以有效地检测到目标。3、针对以上两种算法检测目标单一的问题,提出了一种可以检测多种目标的亮暗区域匹配的耦合恒虚警检测算法。与传统恒虚警算法仅能够检测出目标的强散射特征不同,耦合恒虚警算法既可以检测出目标的强散射特征又能够同时检测出目标的阴影特征。由于耦合恒虚警算法采用区域匹配代替了模板匹配,所以它能够检测出多种不同目标。实验结果表明该算法具有良好的检测效果。4、由于场景的复杂性与SAR成像机理的限制,场景中的目标与非目标混杂,非目标常呈现出较强的亮度,加上成像过程中存在固有的相干斑噪声等,使得有用的目标信息隐含其中。针对这些问题提出了一种基于语义空间和图像像素空间信息交互的SAR图像目标检测方法,能够有效的利用目标在两个空间中的不同特性进行信息交互,实现语义信息的不断累积,从而完成目标的检测。该方法首先对SAR图像提取素描图(Sketch map),然后根据信息交互分割出SAR图像中的匀质区域。根据水域的灰度统计特征将其从SAR图像的匀质区域中检测出来。将水域信息反馈到语义空间中的候选目标区域图中,通过水域场景的上下文信息确定候选的桥梁和候选的港口目标区域,再将这些带有语义信息的区域映射到像素空间实现相关目标的检测和定位,最终检测出桥梁和港口目标。在非匀质区域,根据亮暗区域匹配检测出建筑物目标。实验结果表明该算法能够高效地识别出水域、水上桥梁、港口和建筑物等重要目标。