合成孔径雷达（Synthetic Aperture Radar,SAR）是一种主动式微波传感器,凭借其全天时、全天候探测,穿透力强等优势,目前已广泛应用于军事侦察、海洋研究、资源勘探等领域。随着SAR技术的发展,可获得的SAR图像数据与日俱增,数据的分辨率也不断提高,如何利用SAR数据更好地进行舰船目标检测受到了越来越广泛的关注。目前已有很多先进的SAR舰船目标检测算法被提出,然而检测结果中仍然不可避免地存在虚警。目标鉴别算法可以对检测阶段提取的目标切片进行处理,在保留真实目标的同时进一步剔除虚警。本文主要针对SAR舰船目标鉴别方法展开研究,在舰船检测完成之后,使用鉴别后处理技术,提升最终的舰船检测精度。现有的SAR舰船目标鉴别算法,对于复杂场景下的目标鉴别效果较差,很难区分陆地上散射性较强的杂波和舰船目标。在实际应用中,舰船目标与杂波的鉴别可以通过利用场景先验知识实现,也可以通过图像的特征提取来实现。本文针对复杂场景下的SAR舰船目标鉴别任务展开研究,主要包括两个方面,第一个方面是结合场景先验知识对SAR图像进行海陆分割实现舰船目标鉴别,第二个方面是利用SAR图像的强度信息以及复数SAR图像的幅度和相位信息通过图像特征提取进行舰船目标鉴别。本论文所做的具体工作如下:1.研究了基于场景先验知识的SAR舰船目标鉴别方法。主要思路是结合海陆先验知识得到更加准确的海陆分割结果,之后基于海陆分割结果实现舰船目标与陆地强杂波的鉴别。首先,研究了两种在离线条件下获取SAR图像海陆先验知识的技术。为满足卫星成像后对图像进行实时处理的需求,需要在离线条件下获取SAR图像的场景先验知识。MATLAB软件提供的MMap工具包可以提供场景中的海陆先验知识,但是需要MATLAB软件环境的支持。卫星在太空中成像时难以实现带有MATLAB软件的环境,因此,本文首先研究了如何制作一个可以在卫星上携带、包含全球海陆信息的数据库,以及如何使用该数据库实时获取SAR图像的海陆先验知识;然后,研究了基于自适应阈值分割以及基于聚类和自适应区域合并的海陆分割方法,并提出了基于海陆数据库场景先验知识和区域合并的海陆分割方法;最后,使用实测SAR图像数据进行实验的结果表明,制作的全球海陆数据库可以有效获取SAR图像的场景先验知识,所提的分割方法能够较好的分割灰度特征相近和纹理特征相近的陆地和海洋区域,提高了图像分割质量,有助于更精确地鉴别舰船目标与陆地上的强杂波。2.研究了基于幅度图像特征的SAR舰船目标鉴别方法。首先,研究了两种局部特征:基于梯度信息的尺度不变特征转换（Scale-Invariant Feature Transform,SIFT）特征和基于形状信息的密集局部自相似（Dense Local Self-Similarities,DLSS）特征;然后,研究了基于词袋（Bag of Words,BOW）模型改进的空间金字塔匹配（Spatial Pyramid Matching,SPM）算法,将两种局部特征和SPM算法相结合,提取疑似目标切片的全局鉴别特征;最后,通过线性支持向量机（Support Vector Machine,SVM）分类器,对两种鉴别特征进行分类以实现舰船目标与强杂波的鉴别。实验结果表明,SIFT特征取得了更好的鉴别结果。3.研究了基于复图像特征的SAR舰船目标鉴别方法。首先,研究了基于多种频谱特征以及特征选择的舰船目标鉴别算法;然后,将图像的时域和频域联系起来,基于联合时频分析算法提取雷达频谱图特征,并将SPM算法和雷达频谱图特征相结合,提取全局鉴别特征,完成舰船目标的鉴别;最后,研究了将雷达频谱图特征和SIFT特征相结合的舰船目标鉴别方法,进一步提升了鉴别效果。