自动目标识别(automatic target recognition, ATR)在社会安全,环境监测,国土防御等军用和民用领域扮演着越来越重要的角色。合成孔径雷达(Synthetic Aperture Radar, SAR)作为重要的目标探测感知手段,可以突破光照,天气,时间限制,获取高分辨率的目标图像,成为目标识别研究可靠的数据来源。本文针对SAR图像目标识别,特别是SAR图像目标型号识别进行研究,基于稀疏表示和字典学习,提出采用稀疏表示树的目标识别算法。本文主要进行了如下两方面的研究:在稀疏表示方法的基础上,针对目标识别任务中待识别的目标集合里存在相同类型的多种型号变体的场景,提出基于稀疏表示树的SAR图像目标识别方法,解决一般方法能够获得较好的目标类型识别准确率,而目标型号识别准确率不高的问题。稀疏表示树通过将目标识别划分成类型识别和型号识别两个层次,且将目标类型识别节点作为根节点,型号识别节点作为根节点下属的多个子节点,构建拥有多个节点的树形结构分类器。MSTAR数据集上的实验结果表明,稀疏表示树在取得与主流方法相当的目标类型识别精度的前提下,提高对目标型号识别能力6%左右。针对稀疏表示树需要预先设定待识别的目标集合中具体类型型号划分的问题,对原先稀疏表示树方法进行改进,借助聚类方法自动学习类型型号划分,从而使所提出的方法更具广泛应用价值。改进稀疏表示树方法通过对每个节点上的识别结果进行分析,将该节点上相互混淆的型号集合作为子集,新建子节点继续识别,构成具有多个层次、多个节点的稀疏表示树。MSTAR数据集上的实验结果表明,所建立的稀疏表示树结构与实际数据分布相吻合,并且在不增加太多时间开销的情况下,有效提高了目标型号识别准确率。