面对不断增长的合成孔径雷达图像收集能力,图像的解译能力不足成为制约其发展和应用的瓶颈。如何对大量图像进行自动解译,发现感兴趣的目标已经受到人们的广泛关注,也受到众多国家和研究机构的重视。自动目标识别研究无论对经济社会发展,还是对国防事业都具有重要意义和应用价值。基于合成孔径雷达图像的自动目标识别研究是当前国防科工领域的一个热点,同时该领域尚有许多难点亟待解决。　　 本文在国内外基于合成孔径雷达图像目标识别技术的基础上,对自动目标识别技术进行了一些有意义的探索。内容涉及图像去噪,CFAR检测算法,地物目标检测和目标鉴别等方面。针对基于空域的相干斑抑制算法的不足,实现了基于小波变换的降相干斑预处理;并使用基于Weibull概率分布的改进型CFAR检测和基于密度的可去噪聚类算法从图像数据中提取感兴趣区域;运用基于扩散分形特征的鉴别算子和基于Radon变换的矢量量化鉴别算子对提取的感兴趣区域进行鉴别;并结合实测数据和仿真数据进行了实验。　　 实验结果表明,本文的方法可以有效地从实测和仿真合成孔径雷达图像中检测出感兴趣区域,并进一步鉴别。