SAR在军事侦察和民用方面都具有重要作用，因此开展SAR图像的特征提取 和目标识别工作具有实际意义和应用前景。本文从理论上具体研究了SAR图像的 特征提取和目标识别方法，并通过实验加以验证。 研究了SAR图像的多尺度边缘检测。据信号边界与噪声边界的小波变换模值 跨尺度传递的不同特性，将不同尺度下的边界所具有的特点结合起来，提出由边 缘传递、继承和生长组成的多尺度边缘融合算法。实验证明该算法抑制了噪声对 边缘检测的干扰，获得的边缘轮廓完整、定位准确。用两步法实现了SAR图像中 路状特征的自动提取。首先利用一种改进的SAR图像局部线特征检测算子获得公 路段基元，然后引入关于公路特征的先验知识，利用方向势能函数将局部线特征 组织成较大线性结构。将该算法用于ERS₁图像公路网的提取，获得较好的效果。 研究了基于小波域隐Markov模型（HMM）的SAR图像滤波方法。该方法通 过小波域的隐Markov树（HMT）模型来描述小波系数的统计相关性和非高斯性， 利用EM算法获得HMT模型参数的估计。将乘性噪声转化为近似加性高斯噪声， 可以获得SAR图像小波系数的最小方差估计。提出基于迭代结构滤波器的SAR 图像滤波方法。该方法利用一系列反映局部边界特征的邻域模型来描还图像的细 节。引入像素强度的先验概率分布模型，运用模拟退火算法选择合适的邻域结构， 获得强度的最优估计。两种算法都可以在滤除斑点噪声的同时较好地保留图像的 突出细节特征。 提出一种以似然差函数作为相似性衡量林准的SAR图像分割方法。该方法利 用SAR图像的强度分布特性，根据虚警率确定相邻区域之间存在边界的似然差函 数的阈值。然后引入反映区域结构属性的融合代价来控制融合的顺序。为了降低 融合计算量，同时保持了图像的细节特征，提出SAR图像的最优初始分割方法。 它利用似然函数和边界约束方程构造代价函数，来描述区域特征。在块状初始分 割的基础上，利用模拟退火算法获得代价函数最小的初始分割。 提出一种以目标检测、目标分割、目标方位角估计和目标不变性特征提取为线 索的SAR目标识别框架。利用恒定虚警率（CFAR）检测算子，从场景中发现潜 在目标。根据目标、阴影和背景的相互关系，提出相应的MAF模型来描述待分割 图像的先验知识，采用Bayes方法，获得MAP准则下的目标分割。利用目标轮廓 和目标信号的Radon变换奇异值作为目标的旋转、平移不变特征。对于每一类目 标，建立它的样本特征模板集合，每一个样本特征都用方位角来标记。提出目标 方位角综合估计方法，从目标区域获得方位角的估计。根据估计的目标方位角选 择特征模板。提出基于目标轮廓和目标信号的特征匹配度量准则来对目标进行分 类。实验证明这种方法可以获得比较高的目标识别率。