合成孔径雷达具有全天候、远距离和穿透力强等优点,能在恶劣的环境下以高分辨率提供详细的地面测绘资料和图像,在现代侦察任务中起着至关重要的作用。基于合成孔径雷达的目标识别技术在战场感知方面非常重要,已成为国内外研究的热门课题。本文综述了SAR目标识别技术的研究现状,深入研究了基于SAR图像的目标识别及其相关技术,主要工作包括以下几个部分:首先研究了SAR图像分割方法,通过仿真实验比较了CFAR分割方法与基于区域的分割方法,当原始图像效果较差,特别是存在断点时,区域生长方法产生较大的误判,部分目标区域不能得到较好的分割。而CFAR分割却得到了良好的分割效果。图像分割为接下来的目标方位估计以及目标识别提供了良好的前提。其次在目标分割的基础上研究了目标方位估计的方法,通过MSTAR数据进行仿真实验比较了Radon变换法和2D-CWT方法,发现Radon变换法较之2D-CWT具有较好的估计精度。最后着重研究了目标的轮廓特征、中心矩特征、PCA特征,利用这些特征采用支持向量机分别进行了目标识别。由于仅用一种特征很难完全描述SAR图像,因此采用多种特征来描述SAR图像,利用多分类器融合的方法将这几种特征有效地利用到目标类型识别当中。基于美国DARPA提供的MSTAR数据库分别利用这几种特征对目标分类识别进行大量的仿真实验,经实验证实了多分类器融合分类的有效性,并且还在识别过程中引入了方位角信息使识别时的有效信息更加丰富,利于识别率的提高。