视频合成孔径雷达（Video Synthetic Aperture Radar,Video SAR）是一种能够实现高帧率、高分辨率成像的新型SAR成像模式,它能够穿透云、雾、霾、雨雪、灰尘等对地面进行持续成像,实现对感兴趣区域全天时全天候的监视,为地面运动目标检测提供了新的解决方案。Video SAR图像中运动目标的像由于频移和散焦难以有效检测,但是其阴影反映了动目标的真实位置和运动状态。因此,深入研究基于阴影检测的Video SAR运动目标检测方法具有重大意义,论文围绕Video SAR动目标检测中存在的重点难点问题展开了研究,主要研究内容如下:首先简单介绍了Video SAR系统,对比了高频Video SAR和低频Video SAR的区别,分析了圆周聚束模式相比于直线聚束模式的优势;介绍了Video SAR的基本原理,推导了圆周聚束模式的成像原理,并分析了多普勒频移对成像的影响;简单分析了动目标阴影的形成原理和影响阴影质量的因素,论述了基于阴影的动目标检测算法相比于传统SAR-GMTI算法在慢速运动目标检测与定位方面的优势。针对现有算法无法兼顾精确率和召回率的难题,提出了基于背景建模的Video SAR动目标阴影检测方法—BVMTD算法。该算法使用一个时间维度的滑动窗口对视频序列进行处理:首先使用RED20深度神经网络模型抑制Video SAR图像的斑点噪声;随后使用帧间配准算法快速配准窗口内的图像序列;接着对序列进行背景建模和差分得到窗口末帧的二值化前景;最后通过连通区域筛选和区域生长剔除虚假目标。采用Sandia公布的Video SAR视频对传统单帧检测算法、传统多帧检测算法、基于深度学习的单帧检测算法、BVMTD算法分别进行了测试,并对各个方法的算法原理、处理流程以及检测结果进行了对比和分析,实验结果表明BVMTD算法相比之下具有更加出色的动目标阴影检测性能。针对Video SAR动目标阴影特征简单、尺寸较小导致难以检测的问题,在Faster R-CNN的基础上提出了基于多帧特征融合的Video SAR动目标阴影检测算法—MVMTD算法。该算法通过改进的Resnet101骨干网络输出高分辨率特征图,并使用基于光流的特征对齐模块将参考帧特征图及其编码结果与当前帧对齐,最后使用基于特征编码的多帧特征融合模块融合参考帧与当前帧的特征,实现特征增强。对比实验表明MVMTD算法能够在保证精确率的同时大幅提升召回率,另外消融实验也证明了MVMTD算法设计的各模块的有效性。