合成孔径雷达(Synthetic Aperture Radar,SAR)主要用于对观测场景进行二维高分辨成像,由于其在航空、航天等众多领域的应用,SAR图像解译技术成为目前研究的热点,SAR图像目标特征提取及识别也是其中重要的研究方向之一。SAR图像目标特征提取主要是从SAR图像中获取目标的几何特征、属性特征,可用于对目标的分类识别等。本文主要围绕SAR图像目标特征提取展开研究,主要包括地面车辆目标的高度估计、海面舰船目标的几何特征提取、SAR目标属性学习三个方面,并对相关算法做了软件实现。主要内容概括如下:1.研究了地面车辆目标高度估计的相关课题。利用雷达成像原理分析三维真实场景与二维SAR图像的对应关系,找到目标高度与阴影区域之间的几何关系,从而对目标进行高度估计,并通过先验知识对初步得到的高度估计结果进行修正,进而得到目标的高度估计结果。2.研究了海面舰船目标的几何特征提取问题。首先,利用传统舰船尺寸估计算法对目标区域进行主成分分析(Principal Component Analysis,PCA),提取目标主轴,获取目标的长宽尺寸特征。然后,对传统舰船目标尺寸估计算法进行了改进,将卷积神经网络(Convolutional Neural Network,CNN)和梯度提升回归树(Gradient Boosting Decision Tree,GBDT)应用到舰船目标尺寸估计中,利用本文中的网络模型对舰船目标进行初步尺寸估计并结合舰船目标的多维散射特征进行尺寸修正,并利用实测数据对两种算法进行了实验对比分析。3.研究了SAR目标属性学习方法。首先,介绍了传统属性学习方法,利用支持向量机(Support Vector Machines,SVM)对人为定义的SAR目标属性特征进行学习,得到目标的属性特征向量,并将其用于目标的分类识别。然后,介绍了基于卷积神经网络的SAR目标属性学习方法,并将结果应用于目标的分类识别。通过实验对比了两种方法的目标识别结果。4.设计了SAR图像目标特征提取软件。首先,介绍了软件的总体架构,包括软件的开发架构、软件的模块功能等,逐一对软件的各个功能进行详细介绍。然后,介绍了软件数据处理流程的设计及实现,并介绍了软件的安装方式。