合成孔径雷达（Synthetic Aperture Radar，SAR）是一种全天候、全天时的高分辨率微波遥感成像雷达，是现代军事领域获得战场情报数据的一种重要手段。其中，SAR图像目标检测作为是目标识别的前提条件，在当代军事应用领域占有相当重要的位置。目前SAR图像的目标检测主要是选取目标的后向散射特征作为目标特征，其中恒虚警（Constant False Alarm Rate，CFAR）技术是雷达自动检测系统中控制虚警率的最重要手段。而由于SAR图像中的背景杂波建模面临复杂地物类型，导致许多传统的CFAR检测算法都不能得到准确的检测结果。因此，本课题首先提出提高单波段/极化图像检测准确度的算法。同时，由于伪装网遮蔽作为对抗侦察与监视的常见手段，研究伪装目标的检测对实际应用具有积极意义。而多波段多极化SAR可以获得对同一场景的细节和特征具有不同描述的SAR图像，通过融合技术可以综合各波段/极化的图像信息，有助于更全面的描述战场的感兴趣目标，实现伪装网遮蔽目标的检测。本课题之后也对此进行了研究。综上，本文针对单波段/极化、多波段/极化的SAR图像目标检测算法提出了改进算法；为了强调融合检测的实用意义，本文还实现了伪装网目标的融合检测，同时给出了较完善的目标检测核心算法库和算法性能评估指标，且都嵌入到课题组开发的SAR图像融合平台中。具体内容包括：1.针对单波段/单极化SAR图像的目标检测算法，提出了一种基于多背景杂波分布模型的自适应CFAR检测。该方法根据背景区域的不同统计特性即统计方差和均值比来判断区域类型，采用CFAR检测器自适应地根据区域类型选择相应的背景杂波分布模型，即在均匀区域采用高斯分布；在有杂波边缘的区域，采用韦布尔分布以消除杂波边缘的影响；在有多目标干扰的区域采用G 0分布以排除干扰目标，避免相邻目标的相互屏蔽效应。2.针对多波段/多极化SAR图像的伪装目标检测算法，提出了基于改进Neyman-Pearson准则的决策级融合算法，通过该融合算法实现对伪装网遮蔽目标的检测。该方法根据理论定性分析与实测数据定量分析，探讨了波段、极化方式对伪装网遮蔽目标探测的影响，并比较了像素级与决策级融合检测的性能差异；采用目标检测概率、有效检测比作为性能指标，以选择最有效的单波段/极化的通道数据作为融合波源，并在融合过程中使用尺度滤波器，以降低单通道数据的冗余信息。3.从工程应用出发构建了较完善的目标检测算法库，囊括了经典算法和自己提出的新算法；并给出了目标检测算法较完善的客观性能评估指标。核心算法库、评估指标经Matlab语言实现，嵌入到课题组开发的SAR图像融合软件系统中；同时对核心算法作了一个较全面的性能评估。