随着合成孔径雷达（SAR）在信息侦察领域的应用越来越广泛,降低使用成本,研究其任务适应性是需要解决的问题。传统的适应性评估方法以定性分析为主,所需人工成本较高,并且未对评估结果进行进一步的分析。通过挖掘SAR图像数据与机载SAR任务之间的内在关系,进而完成SAR图像的任务适应性评估是本文的研究重点。针对实际场景中样本数目不平衡的问题,本文通过机载SAR任务适应性评估系统仿真模拟不同飞行方案下的SAR图像,使用SDAE和WGAN-GP构建模型,改善有偏数据对评估结果的影响。对于数据均衡的样本集,本文分析机载SAR图像数据集,整合传统的质量评估指标、纹理评估指标和边缘连续性评估指标,形成任务适应性评估特征矢量,使用孪生支持向量机算法（TWSVM）进行机载SAR任务适应性评估。本文的主要工作如下:（1）现有的计算资源无法满足直接生成SAR图像的需求,本文采用SDAE网络模型提取图像样本特征。对比使用PCA提取特征的方法和使用SAE提取特征的方法,使用SDAE提取特征的方法准确率最高,分别提高了3.5%和3%。（2）针对真实任务场景中评估通过样本和评估不通过样本数量不平衡的问题,本文设计了一种基于SDAE和WGAN-GP的任务适应性评估方法,构建了包括特征提取层、样本生成层和适应性评估层的三层网络模型。对比使用SMOTE进行特征样本扩充的方法,随着不平衡比例的增加,本文方法的G-mean值降低的幅度比SMOTE方法G-mean值降低的幅度小。当不平衡比例为100:1时,本文方法的Gmean值比SMOTE方法高3.9%。（3）在传统SAR图像质量评估方法基础上,本文设计了一种基于TWSVM的SAR任务适应性评估方法。本文在已有的SAR图像质量评估指标体系的基础上,增加了纹理评估指标和边缘连续性评估指标,从多方面评估SAR任务适应性。为了对适应性评估结果进行分析,本文提出了一种基于TWSVM算法的可信度评估方法。对比传统的评估方法,本文评估方法的准确率提高了3.7%,运算速度提升了两倍,引入的可信度评估对于后续处理有着指导价值。