合成孔径雷达(Synthetic aperture radar,SAR)由于在不同气候及光照条件下所具备的稳定成像能力,成为军事国防领域不可或缺的对地观测手段。SAR图像目标检测与识别作为SAR图像处理与解译的关键技术,在侦查、监测等军事应用上具有无可替代的作用。SAR成像技术自身的发展使得SAR图像呈现高分辨率的特点。同时,SAR成像技术越加广泛的应用使其面临场景更加多样、实际成像中电磁环境更加复杂的情况。这使得SAR图像数据呈现复杂场景、强噪声的特点。高分辨率使得SAR图像中目标呈现分布式特性,背景强度起伏更加剧烈;复杂场景使得SAR图像中的目标与背景区分度变低甚至目标与某类背景近似;强噪声使得目标电磁散射特征退化严重,图像信噪比降低。而传统目标检测与识别方法面对这些SAR图像数据呈现检测率降低的趋势。本文针对上述低检测率SAR图像情况,在总结和分析现有方法的基础上,以准确描述低检测率SAR图像特性和充分利用SAR图像信息为出发点,根据不同的低检测率SAR图像特性,提出了多种适用于不同低检测率SAR图像情况的目标检测方法。并在此基础上,从SAR ATR系统的角度入手,分析低检测率SAR图像目标检测对识别的影响,为今后进一步研究针对低检测率SAR图像的识别方法打下基础。论文的主要工作和贡献包括以下几个方面:1.从应用最为广泛的恒虚警率(CFAR,constant false alarm rate)目标检测算法入手,分析了低检测率SAR图像目标检测存在的问题,对低检测率SAR图像的特性及检测难点从高分辨率、强噪声、复杂场景三个方面进行了总结。2.针对低检测率SAR图像中的高分辨率情况,提出一种基于SVD分解的视觉注意目标检测方法。该方法是在分析了传统视觉注意模型应用于SAR图像所存在的问题基础上,将SVD分解与视觉注意模型相结合,建立基于SVD分解的多层结构。同时结合高分辨率SAR图像特性,在特征提取中引入一致性特征和标准偏差特征,实现对高分辨率SAR图像的目标检测。实验表明,本文方法不仅能够有效提高对高分辨率SAR图像的目标检测性能,同时对分辨率具有较强的鲁棒性。3.针对低检测率SAR图像中的强噪声情况,提出一种超像素级别的基于信息论的目标检测方法。该方法首先通过超像素方法将以像素点为基本单元的SAR图像转化为以超像素为基本单元,然后基于超像素丰富的统计特征,利用包含了自信息与信息熵的信息度量筛选出候选目标超像素,然后滤除虚警。实验表明,本文方法对噪声具有较强的鲁棒性,能有效提高对强噪声SAR图像的目标检测性能。4.针对低检测率SAR图像中的复杂场景情况,提出一种基于目标存在可能性估计的目标检测方法。该方法首先通过基于场景分类和超像素生成的预处理将复杂场景SAR图像转化为具有不同场景标签的超像素集合,然后利用基于超像素自信息的初始显著深度值和预测显著深度值估计不同场景中存在目标的可能性,最后将目标存在可能性作为权重赋予视觉注意中的显著图,改变图像显著性的优先级,实现复杂场景SAR图像目标检测。实验表明,本文方法对目标存在不同场景中、目标同时存在多类场景中等情况都能准确进行估计,同时本文方法不仅能够有效提高复杂场景SAR图像目标检测性能,对机场的飞机检测、港口的舰船检测等复杂场景SAR图像中不同目标检测任务具有较好的适应性。5.在对低检测率SAR图像进行目标检测研究基础上,从SAR ATR系统角度入手,分析了低检测率SAR图像对识别的影响,为今后进一步研究针对低检测率SAR图像的识别方法打下基础。对于高分辨率情况,利用多特征融合的识别方法可以降低目标检测所产生虚警对识别的影响。对于强噪声情况,多特征融合的识别方法对噪声的鲁棒性要高于基于单一特征的CFAR检测方法,因此需要更注重提升目标检测算法对噪声的鲁棒性。对于复杂场景情况,由于图像局部区域可能与目标特性近似,多特征融合的识别方法性能下降,需要在目标检测阶段更加注重虚警的滤除,同时多传感器融合的识别方法是一个较好的研究方向。总的来说,本文围绕低检测率SAR图像目标检测与识别问题展开了一系列研究,丰富了SAR图像目标检测与识别理论,可以为低检测率条件下SAR图像信息获取与解译提供有效方法。