目标检测技术广泛应用于军事搜索与跟踪、制导、卫星遥感、天文观测、智能控制等许多领域,是当前的一大研究热点。在SAR图像上,由于目标本身受其所处的复杂背景因素以及自身散射特性的影响,使得目标可识别特征弱化从而成为难以识别的弱目标。SAR图像弱目标检测技术在军用和民用领域均具有重大意义,值得深入研究。本文对复杂背景下SAR图像弱目标检测方法进行了较为系统的研究。本文首先对SAR图像目标检测技术的研究进展进行总结,从遥感地物检测识别的需求出发,分析了现有目标检测方法存在的问题和不足。从SAR成像原理出发,分析了SAR图像的辐射特性、几何特性和噪声特性。结合SAR图像上各类目标的特性,分析了SAR图像中弱目标的特征。从传感器因素、目标自身散射特征、背景环境因素、目标所处环境的信息量因素四个方面探讨了目标弱化的原因,给出了弱目标识别的基本思路。在分析SAR图像背景杂波特征的基础上,探讨了中心极限定理及其在SAR图像背景建模中的适用性。在简要介绍常用的非高斯模型之后,着重研究了不满足中心极限定理的α[稳定分布模型及其参数估计方法。接着将广义极值分布引入到SAR图像背景建模中来,详细介绍了其性质和参数估计方法。使用各种非高斯统计模型进行了SAR图像背景拟合实验,对各种模型的建模能力和适用性进行了分析。根据弱目标特征和检测基本的思路,分别从背景的精确建模、弱目标增强的角度对弱目标检测方法进行了深入系统的研究。针对复杂背景下的弱目标检测问题,选择具有优良建模能力的广义极值分布对SAR图像中相对单一的背景进行建模,提出了一种基于广义极值分布的恒虚警目标检测方法。在分析现有恒虚警目标检测方法的不足之后,从SAR图像背景分区域精确建模的角度,提出了基于小波多尺度均质区划分的改进CFAR弱目标检测方法。根据弱目标在SAR图像上的特点,研究了弱目标的增强方法。针对多幅时间序列图像,使用基于WICA的方法对弱目标进行增强,并在增强的基础上,实现了弱目标的有效检测。针对单幅SAR图像,研究了基于多孔径相干的增强方法,在增强的基础上使用恒虚警检测方法有效改善了弱目标检测的精度。采用不同的SAR数据开展了目标检测实验,结合实验结果对算法的性能进行了评价和分析。针对雷达干涉测量的实际需求,分析了永久散射体在SAR图像上的特征,总结了现有识别方法存在的问题和不足,从弱小目标检测的角度提出了改进的永久散射体识别方法。分别针对不同的地表类型和数据类型使用了不同的检测方法进行实验,分析了各种方法的性能和适用性。最后针对雷达图像目标检测运算量巨大的特点,结合具体算法步骤,从技术原理和技术实现的角度研究了目标检测并行算法的设计方法,有效地提高目标检测算法的执行效率。