遥感图像对地目标的检测、特征提取对目标自动识别均有具有重要的研究价值。随着遥感技术的发展,合成孔径雷达对地观测在军事侦察与识别、民用地面设施、地表资源监测等方面具有广阔的应用前景。合成孔径雷达可以提供高分辨率的图像信息,分辨率的不断提高,对于车辆、舰船、坦克、房屋等人造目标,使得目标具有更丰富的纹理、结构和形态信息,并具有较为复杂的散射特性和多特征信息。相干斑噪声和相对复杂背景信息直接影响了SAR图像目标的解译与鉴别指标,可以利用多特征提取变换方法,提高识别率和效率。在SAR图像中获取并分析感兴趣目标的特征,提升目标自动识别的速度和准确性,这一技术问题日益成为国内外遥感目标识别研究的热点问题。针对高分辨合成孔径雷达的复杂背景下的目标特征提取问题,本课题研究了SAR图像去噪、目标检测以及目标特征提取的方法。首先,本文分析了SAR成像和相干斑噪声产生机理,并在此理论基础上深入研究了SAR图像相干斑噪声抑制算法,减少相干斑噪声所导致的图像质量信息丢失。然后,针对SAR图像相对复杂的背景信息,分析研究了基于阈值、基于数学形态学和基于脉冲耦合神经网络的目标检测算法,对感兴趣的目标进行了仿真检测,并分析算法的优点和不足,同时提出了基于改进型脉冲耦合神经网络的目标检测算法。最后,系统地研究了SAR图像目标特征提取算法,提取了目标几何特征、Hu矩特征,并提出了Zernike矩特征提取算法,基于Zernike矩对目标进行了分类仿真,利用Zernike矩的旋转不变性提取了目标的边缘信息。同时分析研究了目标角点特征的提取算法,并提出了基于角点信息的目标转角估计算法,便于对目标进行深入的特性分析。此外结合脉冲耦合神经网络算法,提出了基于改进型PCNN的目标阴影信息提取算法,并对目标阴影的特征进行了提取。在MSTAR数据库的基础上,仿真分析了以上特征提取算法的性能,并设计完成了目标特征提取软件,为目标下一步分类识别提供了强有力的数据支持。