合成孔径雷达(SAR)在航空航天、对地观测及军事侦察等领域具有非常广阔的应用前景,如何从复杂场景中快速检测出感兴趣目标对战场侦察、军事指挥等具有重要意义。针对复杂场景中多目标检测困难的问题,本文对复杂场景下的SAR图像进行了深入研究,最终提出一种智能检测SAR图像中多目标的算法。主要研究内容与成果如下:⑴研究了不同背景下杂波分布的拟合,用6种统计分布拟合Sandia数据库中不同背景图像,结合三种拟合精度评价指标综合判断最佳统计模型。给出低植被、高植被、城区建筑物、海杂波等区域的最佳统计模型,最终建立起多种背景的统计模型库。⑵研究了CFAR检测,提出了基于统计模型的智能迭代CFAR检测算法。针对自动筛选CFAR检测器在图像应用中的局限性,提出在局部CFAR检测中加入背景先验知识,根据背景所处区域,结合已建立的背景统计模型库选择最佳统计模型;考虑杂波窗口中混入的其他目标样本导致参数估计不准确,提出智能迭代CFAR检测算法,对图像进行多次CFAR检测,得到更准确的检测结果;在计算筛选深度时提出一种全局排序法求解全局阈值,加入全局排序初始化算法后,大大缩短迭代次数,提高检测效率。实验表明本文设计的检测器比自动筛选检测器和局部CFAR检测器检测性能更好。⑶研究了SAR图像重建的目标检测。首先,针对重建图像质量评价指标的不足,提出三种新指标并验证了指标的有效性。其次,由于SAR图像与光学图像成像机理不同,提出一种针对SAR图像的非局部聚类稀疏表示重建算法,并利用评价指标验证本文提出的重建算法在降噪能力上比传统的PPB算法更好。最后,对重建图像进行智能迭代CFAR检测。实验表明由于重建降低了SAR图像中的相干斑噪声,更有利于目标检测。与原始图像检测结果对比,检测概率和品质因素都有较大提升。⑷研究了EF特征检测算法。针对CFAR检测后图像中仍存在大量虚警,提出用EF特征检测对CFAR检测后的图像进一步检测,抑制虚警。并将原图像检测结果与重建图像检测结果融合,丰富目标边缘信息。最终,利用本文提出的检测算法完成了复杂场景下多目标检测的任务,不仅可以检测图像中多个或者多类目标,并且对于同一幅图像,能够自适应检测所需目标,使检测达到可选的目的。