合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率的成像雷达,通过天线合成和脉冲压缩的技术来获得良好的方位向和距离向分辨率。随着SAR技术的发展,在轨的卫星系统能够提供海量的高分辨率SAR图像,如何快速有效的挖掘这些数据中的信息,开发SAR图像自动解译系统已经成为目前的研究热点。SAR图像目标检测作为SAR自动解译的基础,直接影响着目标的分类与识别,有着重要的研究意义。随着SAR图像分辨率的提高,车辆目标的检测体现出较高的应用价值,同时背景的干扰也增加了目标检测的难度。本课题便以背景干扰情况下高分SAR图像为研究对象,分别考虑多目标和多目标、多背景干扰情况下车辆目标检测问题。本文的主要工作和创新点包括:SAR成像原理及统计建模理论-本文介绍了SAR成像原理、相干斑模型和统计建模理论。通过分析不同分辨率下SAR图像的背景分布,介绍了常用的统计模型,总结了常用的模型参数估计方法。为了定量的衡量模型对杂波拟合的精度,总结了常用的杂波模型拟合评估标准。基于建模样本选择和广义伽马模型的车辆目标CFAR检测方法-本文提出了一种基于背景建模样本选择和广义伽马模型的车辆目标检测方法。致力于解决多目标干扰情况下高分SAR图像车辆目标检测问题,本文提出基于等效视数和滑动窗模型的背景建模样本选择方法,是本文的一个创新点。本文详细介绍了基于广义伽马分布的CFAR检测算法,给出了广义伽马模型基于MoLC的参数估计方程,得到了检测阈值的解析表达式。最后通过实验验证了本文方法对解决多目标干扰情况下高分SAR图像车辆目标检测问题有效性。基于Gamma混合建模的目标检测算法-对于存在多目标、多背景干扰的高分SAR图像车辆目标检测问题,本文采用Gamma混合建模的方法检测目标。基于K-S距离和MDL值分析了有限混合模型中混合分量数目K对建模精度和目标检测性能的影响。得出了一种为基于Gamma混合建模的目标检测算法选择最优分量数目的方法,有效解决了多目标、多背景干扰下高分SAR图像车辆目标检测问题,是本文的一个创新点。利用仿真和真实SAR图像,采用常用的数值评估标准验证了本文所提方法对有背景干扰情况下高分SAR图像车辆目标检测性能具有一定的提升作用。目前,只是在有限的数据集上测试本文所提方法的性能,未来需要在更多的数据集中验证本文方法的鲁棒性。