SAR在环境监测、资源勘探及军事领域得到广泛应用,SAR图像因其良好的穿透性比光学图像包含更丰富的内容,对SAR图像解译可以获得覆盖区域的相关信息和知识。目标识别是SAR图像解译和分析的重要过程,识别过程主要包括检测、鉴别和识别三个阶段。PCNN是一种自组织无监督神经网络,具有尺度和旋转不变特性,且其模型很容易通过硬件实现,因此实时性优于其他类型的神经网络。当前国内外SAR目标识别,在图像相干斑的抑制阶段,主要采用局域统计滤波方法和结构滤波算法和小波算法；在图像目标检测阶段主要采用CFAR方法；在目标鉴别阶段主要采用遗传算法对目标和非目标进行鉴别；在目标的分类和识别阶段主要采用马尔可夫随机场、支持向量机和Gabor小波等基于边缘检测的方法。本文主要研究PCNN在SAR降噪和目标特征提取过程中的应用,通过对比PCNN方法和现有方法的实验效果确定PCNN在SAR目标识别过程的适用性。同时,因研究需要大量的支持数据集,本文所使用数据均来自SAR仿真工具,该仿真工具利用图形处理器的计算能力实现目标三维模型的渲染,从而获得不同姿态的目标SAR仿真图像。