视频合成孔径雷达(Video Synthetic Aperture Radar,Video SAR)是一种新型SAR成像模式,因其具有高帧率成像的特点,可以有效解决传统SAR在地面运动目标检测(Ground Moving Target Indication,GMTI)方法中的不足,为运动目标检测提供了新的解决途径,因此具有重要研究意义。在Video SAR运动目标检测中,一种重要的方法是利用运动目标在连续各帧图像中的阴影及其状态来获取运动目标的运动参数。然而,运动目标阴影在Video SAR图像中与静止目标阴影难以区分,从而增加了运动目标阴影检测的难度。因此,深入研究Video SAR基于阴影的运动目标检测理论及方法具有重要意义。本文围绕Video SAR系统运动目标检测方法存在的问题展开研究,相关工作和取得的进展如下:1.首先研究了Video SAR阴影检测方法的理论基础。分析了Video SAR图像中运动目标阴影的形成条件,建立了运动目标阴影的数学模型,推导了运动目标阴影变化的理论公式,分析了静止目标阴影和运动目标阴影之间的关系,为基于阴影的Video SAR运动目标检测方法研究提供了理论基础。2.研究了基于双阈值最大类间方差法(Double Threshold OTSU,DT-OTSU)的单帧图像阴影检测方法(S-DT-OTSU)、基于核相关滤波(Kernel Correlation Filter,KCF)的阴影跟踪方法,提出了S-DT-OTSU与KCF结合的Video SAR运动目标速度估计方法(S-DT-OTSU-KCF)。论文给出了仿真Video SAR图像数据的实验结果,结果表明,该方法在给定有效阴影尺寸范围的条件下,能检测运动目标阴影,估计运动目标速度。3.针对S-DT-OTSU法需要有效阴影尺寸范围条件的不足,研究了基于多帧图像差分的Video SAR运动目标阴影检测方法(M-DIFF)。论文给出了仿真Video SAR图像数据的实验结果,结果表明,与S-DT-OTSU法相比,M-DIFF法避免了阴影尺寸范围的限制条件,有效去除静止目标阴影区域,降低虚警率。4.针对S-DT-OTSU法需要有效阴影尺寸范围、虚警率高的不足,以及M-DIFF法虚警率高的不足,提出了基于卷积神经网络的运动目标阴影检测方法(CNN-MSD)。论文给出了仿真Video SAR图像数据的实验结果,结果表明,该方法使用U-net网络模型,不仅避免了S-DT-OTSU法中阴影尺寸范围的限制条件,还降低了S-DT-OTSU法与M-DIFF法的虚警率。