合成孔径雷达(SAR，SyntheticAperture Radar)利用雷达平台与探测场景相对运动，将较小尺寸的真实孔径天线用数据处理的方法等效合成为较大孔径的天线，以获取较高方位向分辨率的雷达图像。利用合成孔径雷达对广袤海洋中的舰船目标进行检测具有重要的应用价值，对合成孔径雷达图像舰船目标的检测课题的研究，可以推动我国合成孔径雷达系统走向实用化。本文重点围绕合成孔径雷达图像数据的相干斑抑制、舰船目标检测算法和舰船目标特征参数提取等方面进行了深入研究。由于SAR的成像机理，SAR图像中会存在大量相干斑，它对SAR图像的处理、解译会造成很大困难。本文针对单极化SAR图像和多极化SAR图像的不同特点，分别研究分析了应用于单极化SAR图像的中值滤波、最小均方误差估计滤波、GammaMAP滤波，以及应用于多极化SAR图像的极化白化滤波、最优权值滤波、基于最佳纹理统计估计滤波等算法。本文重点对SAR图像的舰船目标检测算法进行了研究。研究了针对单极化SAR图像数据的CFAR和KSW两种检测算法，以及针对多极化SAR图像数据的SPAN算法、最优极化检测算法、极化白化滤波检测算法。本文利用传统基于矩形滑动窗口极化白化滤波检测算法的自适应性，针对传统算法会造成舰船目标边缘区域模糊的缺陷，提出了基于分解理论的舰船目标检测算法。算法在充分考虑了目标的散射机理基础上，利用Freeman分解结果对存在目标边缘结构区域的图像进行了均匀区再判别，实现对参数的准确估计，消除了目标边缘模糊的问题。通过对青岛海域实测数据实验证明，本文算法能够更好保留目标边缘信息，为进一步的特征参数提取和分类识别提供更精确的检测结果。最后，本文对检测到的舰船目标的主要参数进行了提取。结合SAR图像数据的特点，推导了具体特征参数的提取公式和方法，并使用实测数据对舰船目标进行了几何、地理位置、运动等特征参数估计。