基于合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像的目标跟踪和自动目标识别技术,在国民经济和军事领域中都有广泛的应用,具有十分重要的研究意义。论文主要完成以下几方面的工作：(1)介绍SAR的成像原理,分析SAR图像相干斑噪声的产生机理、模型和特性；比较分析了基于统计模型的噪声滤波方法和相对标准的噪声滤波方法,研究了基于分层图像融合方法对消除噪声后的图像可视化增强。(2)针对粒子滤波器在跟踪过程中存在粒子匮乏和退化的问题,将卡尔曼滤波、遗传算法引入粒子滤波器,提出了一种新的基于卡尔曼遗传粒子滤波器的跟踪算法。利用卡尔曼粒子滤波器进行目标的采样预测和校正,同时引用遗传算法对重采样的粒子进行交叉和变异。该方法有效的克服了粒子退化和匮乏的问题,提高了跟踪过程的鲁棒性和精度。(3)提出了一种改进的比值(Ratios)边缘检测算法,解决了Ratios算法边缘定位精度低、漏检弱边缘的缺陷,实验说明算法能有效进行图像分割和检测。(4)为了充分反映目标图像的全局特征和局部特征,提高识别率,采用图像的Zernike矩和Wavelet矩作为目标的特征；利用支持向量机(SVM)对目标进行分类、识别。实验结果表明该方法具有较好的识别效果。