本文以高分辨率合成孔径雷达(Synthetic Aperture Radar，简称SAR)图像为背景，研究了SAR图像自动目标识别(Automatic Target Recognition，简称ATR)系统中的关键技术及系统的实现问题：提出了一种多阶段目标识别框架，将系统分为目标检测、目标辨识和目标分类三个阶段。课题的研究成果将为我国正在发展的星载SAR计划和增强我军军事侦察及信息获取能力提供有力的技术支持。 研究了高分辨率SAR图像的建模问题。提出一种基于CFAR和目标方差特征的快速目标检测算法。CFAR检测器分为水平CFAR和垂直CFAR两个过程，利用相邻象素参考窗口的重合及图像分布特性减少参数估计的计算量。目标方差特征的引入，减少了树木等亮自然杂波带来的虚警。 提出了四种目标辨识算子：扩展分形特征辨识算子(EF)、矢量量化辨识算子(VQ)、面积辨识算子(AR)以及峰值能量比辨识算子(PPR)。面积辨识算子简单而效果显著；峰值能量比辨识算子计算简单，对剔除树木等自然景物引起的虚警特别有效；矢量量化辨识算子、扩展分形特征辨识算子的计算稍微复杂一些，但它们基于目标的轮廓信息，能够剔除由建筑物以及其他一些不感兴趣的人工景物引起的亮后向散射带来的虚警。本文设计了一种综合利用这几种算子的辨识方案，在保持检测率的同时，能够去除大部分检测阶段输出的虚警。在辨识之前，提出基于MRF模型的ICM分割和基于CFAR的分割两种算法从ROI中抽取目标区域。 提出了一种基于目标近雷达边界的方位角估计算法。该算法根据目标近雷达边界的特点，通过直线拟合距离向或方位向主导边界估计目标方位角。对目标图像经过两种分割算法处理后的结果进行测试，均得到了很高的方位角估计精度。该方法计算简单，对分割误差具有鲁棒性。 研究了峰值特征的方位角不变性和俯视角不变性问题。提出一种基于目标峰值特征的分类方法。该方法将点集的匹配问题转化为一个非线性最优化问题，最优化问题的目标函数同时考虑了特征点的位置和幅值属性。利用确定性退火和柔性分配技术，求优化问题的近似最优解。比较了三种峰值特征的分类能力，并设计了多种特征的综合利用方案。针对遮挡目标的识别问题，通过模拟不同遮挡程度的图像峰值特征的变化，分析并得出了遮挡率与识别率之间的关系。实验结果表明该分类方法对一定程度的遮挡具有鲁棒性。