目标识别子区(匹配区)选取技术就是按照一定的要求或准则在预定飞行航迹上选取特征明显、信息丰富、可匹配性高的景象图像作为导航基准图的技术。怎样建立一个适应性强的选取准则一直是景象匹配技术中研究的重点问题。为提高自主导航的精度,目前很多飞行器都运用了光学景象匹配技术,但光学成像容易受目标区的气象、季节和昼夜条件的影响,在很多情况下无法得到理想的高质量图像,这些缺点限制了它的工作效率。作为一种主动成像系统,合成孔径雷达(Synthetic Aperture Radar,SAR)技术可以有效地克服这些缺点。SAR不仅能高分辨率成像,而且具有全天候工作的特点,这使它成为飞行器导航的重要传感器之一。本文围绕SAR成像目标识别子区选取的核心问题即SAR景象区域适配性问题展开研究,提出了基于机器学习的SAR景象匹配区自动选取方法,其主要内容包括:(1)景象匹配系统原理介绍;(2)SAR图像适配特征分析;(3)支持向量机(SVM)原理简介;(4)基于SVM的目标识别子区选取方法。此外,本文对适合SAR图像匹配的算法做了探究和试验,并采取基于空间关系约束的多子区融合匹配策略,提高相关匹配方法的性能。本文的主要贡献在于提供了一种有效地匹配区选取方法,应用该方法选出的匹配区可以有效减少飞行器SAR景象自主导航系统的匹配误差,提高匹配概率。论文的最后一章总结了全文的主要工作和指出了需要进一步研究的内容。