由于合成孔径雷达(SAR,Synthetic Aperture Radar)在地质勘探和侦察等领域的重要性,SAR图像目标匹配识别的相关技术成为一个受到高度关注的领域,本文研究了SAR图像的滤波、目标分割和匹配的方法。基于SAR图像相干斑噪声的乘性模型,研究了Frost、Kuan、Lee和Gamma MAP等基于统计模型的滤波器,这几种滤波器都假设乘性噪声的均值为平稳过程,在一定的邻域内对真实图像进行估计,因此窗口大小的选择对滤波效果影响较大。研究了相对标准差和边缘保持的噪声抑制方法,实验表明,相对标准差的滤波方法有效地抑制了图像的相干斑噪声,而边缘保持的噪声抑制方法很好地保持了图像的边缘细节信息。根据目标的空间关系,把图像分为阵列、港口、团块和机场四类目标。研究了最大类间方差(Ostu)分割方法和阈值面积消去目标区域检测方法。对标准的恒虚警率(Constant False Alarm Rate,简称CFAR)分割方法进行了改进,假定图像模型服从瑞利分布,以矩形环形窗口为移动环窗,通过计算窗口内背景的均值和方差作为双参数实现目标的分割。改进了传统的Hough变换方法,给出了区域Hough变换方法。实验表明,Ostu分割方法的算法简单,运算速度快,能很好地实现对阵列目标的分割;阈值面积消去目标区域检测方法能有效地去除由噪声或是背景杂波引起的小斑点区域;改进的CFAR目标分割方法分割速度快,对团块类目标分割效果很好;区域Hough变换方法有效地完成了对含有多目标区域的图像中直线段的提取。通过分割得到港口图像的目标区域后,提取了七个不变矩特征,利用归一化的欧氏距离完成了港口目标与实测图的匹配;港口和机场目标经过提取直线后,得到了直线的几何特征和直线支持区域的灰度特征,利用基于支持区域的直线匹配方法实现了模型图像与实测图的匹配;实验结果表明,这两种方法都具有较高的匹配成功率和较低的误检率,但直线匹配方法的综合效果要优于不变矩匹配方法。