近年来,针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中弱目标的检测技术在医疗、目标监视与跟踪、森林火情预警、生物学研究等领域受到了广泛关注,弱目标检测成为当前的重要研究方向,因此研究弱目标的检测技术具有极大的应用价值。本文以准确提取低信噪比SAR图像中的车辆目标为目的,深入研究了弱目标检测的相关技术。下面对本文的主要工作进行了简要的概括:总结了现有的弱目标检测的相关技术包括图像相干斑抑制算法、相干恒虚警率(Coherence Conventional Constant False Alarm Ratio,CCFAR)算法和基于非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)域的目标检测算法。对弱目标产生的原因进行了深入的分析,SAR在成像过程中受雷达波入射角、目标自身后向散射特性以及背景环境中自然地物遮挡、重影或伪装等因素的影响,目标的雷达散射截面积(Radar Cross Section,RCS)常常偏低,在SAR图像中表现为目标区域的灰度值与周边背景杂波差异小,目标被检测出来的难度大大增加。分析了传统的视觉显著性模型应用于弱目标检测的缺陷之后,结合SAR图像本身独有的特性,提出了基于视觉显著性的弱目标检测算法。为了抑制特征显著图中的非目标杂波噪声,对特征显著图非线性融合,生成总的显著图,最后采用区域生长技术和赢者取全机制提取显著图中的目标区域。最后,通过对比实验验证本文算法在检测率和运算效率上有着优良的特性,能够适用于复杂场景的弱目标检测。在弱目标特征鉴别方面,本文首先基于变化检测量和KSW熵法对感兴趣(Region of Interests,ROI)切片进行精细分割,然后依据分割结果计算目标的几何特征和对比度特征进行序贯鉴别,并对目标鉴别算法进行了实验验证。最后,提出了基于角点的目标方位角估计新方法,先将ROI切片精确分割,提取ROI中的目标区域,然后基于Harris算子提取目标的角点。由于目标在成像过程中存在着明显的几何畸变,算法利用目标本身结构的对称性,利用角点以及角点关于目标重心的对称点进行一元回归分析,估计目标的方位角。通过实验验证了算法的方位角估计值具有较高的准确性。