合成孔径雷达(SAR)能够全天随时提供清晰图像,因此在民用和军事领域已被广泛运用。但由于其相干成像性,所提供的图像中存在大量相干斑噪声,增加图像处理、图像分析以及图像解译难度。此外,由于成像观测环境地形变化大,背景复杂等因素,导致所获图像背景条件极其复杂,存在大量冗余数据。因此,提升相关处理算法精度与时效性,是当前SAR图像目标检测算法优化的关键问题。由于SAR的相干成像机理,不可避免会产生相干斑噪声,因此本文首先针对SAR图像存在的相干斑杂波分布进行统计研究,探究相关模型的适用性。针对不同分辨率、不同场景SAR图像,研究能够准确描述杂波背景的分布模型,为恒虚警率(CFAR)处理技术提供支撑。针对陆地目标进行检测任务,本文主要以陆地目标监测所获图像为主体,分析其中各类杂波的分布情况和特性,研究基于恒虚警率(CFAR)原理的合成孔径雷达(SAR)图像目标自动检测算法。检测方法在CFAR原理的基础上,利用高斯分布、瑞利分布和Weibull分布的杂波模型对陆地车辆目标进行检测。对不同杂波模型下CFAR检测效果进行了分析和比较。检测结果验证了高斯分布、瑞利分布和韦布尔(Weibull)分布对于几种不同类型陆地杂波背景下的目标检测技术的适应性,并根据实际SAR数据的分布特性合理选取相应的杂波模型。