针对超宽带合成孔径雷达(Ultra Wide Band Synthetic Aperture Radar,即UWB-SAR)探测叶簇隐蔽目标的应用需求,对UWB-SAR图像中的目标检测与鉴别问题进行了系统深入的研究。 首先综述了UWB-SAR目标检测与鉴别问题的研究现状、方法和意义,指出了UWB-SAR目标检测与鉴别在UWB-SAR自动目标识别系统中的位置和现存问题。 第二章研究了UWB-SAR图像中的恒虚警率(Constant False Alarm Rate,即CFAR)目标检测问题。采用试验数据分析了UWB-SAR图像中各种不同植被覆盖类型杂波的统计特性,并基于得到的结论提出了一种CFAR目标检测方法,该方法在一个通用形式下,能够在已知类型的不同植被覆盖杂波中实现CFAR处理;提出了一种快速统计量计算方法,该方法能大大提高CFAR算法的计算效率。 第三章针对目标检测与鉴别的应用需求研究了UWB-SAR图像中的目标特征提取方法。基于UWB-SAR回波模型和成像原理,研究了用频域滤波的方法在UWB-SAR图像频域支撑中提取目标的方向域、频率域和分辨率域特征的方法,给出了相应的滤波器设计;建立了UWB-SAR目标模型,改进了隐马尔可夫模型和统计分析方法用于特征整合;研究了UWB-SAR点目标检测及树干杂波抑制问题;实验结果表明,所研究的结果能改善UWB-SAR目标检测与鉴别的性能。 第四章研究了UWB-SAR图像中的非均匀背景目标检测问题。针对UWB-SAR图像中杂波统计模型随植被覆盖类型漂移的问题,在改进了α截集雷达杂波识别方法的基础上,提出了一种对杂波统计模型自适应的CFAR检测方法,有效地实现了在不同植被覆盖类型下的CFAR目标检测;针对杂波边沿的非均匀性,基于变量索引CFAR方法研究了UWB-SAR图像中强弱杂波边沿处的CFAR检测问题,实现了在杂波边沿处的CFAR目标检测;实验结果验证了方法的有效性。 第五章研究了UWB-SAR图像中目标检测与鉴别的定量性能评估方法。基于接收机工作特性曲线,提出了两种对目标检测算法性能进行定量评估的方法;以目标与杂波的可分离性为度量,引入了两个用于评估特征提取方法的性能指标;针对UWB-SAR图像中杂波与目标的特点,改进了UWB-SAR图像中目标检测与鉴别性能评估中若干参量的计算方法。 最后系统地总结了全文的工作,并给出了进一步研究的建议。