合成孔径雷达(Synthetic Aperture Radar，SAR)图像解译是近些年发展起来的新兴学科，是当今发展国民经济和加强国防建设的一个重要学科，在军事和民用领域都具有很好的发展前景及应用价值。随着SAR数据源的丰富，自动化、智能化的进行SAR图像解译变为一个迫切需要解决的问题。针对SAR图像解译应用的需求，本文对SAR图像解译中的目标鉴别和分割方向进行了深入的研究。主要工作和创新性贡献体现在以下几个方面：　　 1.研究了恒虚警检测算法和一些常用的SAR图像杂波分布模型，分析了研究了遗传算法和遗传规划的原理和应用，并提出了一种基于遗传规划算法和非参数鉴别分析的SAR图像目标鉴别算法。该算法利用遗传规划算法进行特征合成，生成多个新的特征，采用非参数鉴别分析削弱特征之间的相关性。实验中采用特征的相关性、特征的可分性和分类效果等标准将本算法和多种算法进行比较，结果证明了算法的有效性。　　 2.分析了主成分分析、线性鉴别分析的统计学特征提取方法及支持向量机在模式分类中的应用。研究了结合主成分分析和最小类内散度矩阵的SAR图像鉴别方法。该方法有效地利用了主成分分析和最小类内散度矩阵的优点，提取的特征具有更好的可分性，并在实验中与传统的主成分分析结合线性鉴别分析的算法进行了比较。　　 3.总结了最近几年在图像分割领域出现的新方法和新思路，分析了马尔科夫随机场的原理以及它在SAR图像分割中的应用。介绍了各向异性扩散和仿射不变几何流等偏微分方程方法在图像处理中的应用。提出了一种基于马尔科夫随机场和扩散方程的SAR图像分割方法，该算法既去除了误分割斑块，又加快了算法收敛的速度。提出了一种SAR图像识别方法，采用分割后SAR图像进行分类实验，提取出SAR图像中目标的七个不变矩特征，并采用遗传规划算法对这七个不变矩特征进行特征合成。实验结果表明进行特征合成既可以压缩特征的数量，又可以提高特征的分类效果。　　 4.分析了Contourlet变换的原理及在图像处理中的应用，介绍了贝叶斯网络的原理及特性。给出了一种基于Contourlet变换和贝叶斯网络的SAR图像分割方法，在分割过程中加入主成分分析来简化数据，降低运算量，并分析了分割的结果。