进入21世纪以来，合成孔径雷达技术(Synthetic Aperture Radar，SAR)得到了飞速发展，大量高分辨率星载SAR卫星投入使用，高分辨率SAR图像的获取非常便捷。空间分辨率的提高，一方面使得目标观测尺度更为精细，另一方面却造成干扰信息和数据量的激增。这一特点增加了图像解译的难度，使得常规解译手段难以适用，对解译算法的效率和性能提出了新的要求。为此，本文旨在研究海量高分辨率SAR图像的理解及目标快速提取问题，重点选取道路、建筑和机场三类典型目标，分别建立适用于大场景下的目标自动提取算法，并提出适用于机载高分辨率图像的建筑物变化信息检测方法。论文主要工作和创新性成果体现在以下几个方面:　　(1)提出了一种新的适用于多种分辨率的区域生长型道路网络自动构建方法。其基本思想是以优选的道路种子自适应生长成道路网络。算法建立在“局部道路特征提取—道路种子选择—全局路网构建”三层构架下，论文分别对其进行了改进和优化设计以改善算法效率和抗干扰能力。第一层中提出了一种可同时获取道路比率和方向的加权比率型线提取算子（Weight Ratio Line Detector，W-RLD），并通过递归滤波改善算法运行效率，提高了在道路密集环境下的稳定性。第二层中建立了融合方向和比率信息的道路种子提取方法，改善了种子提取的准确率。第三层中建立了包含从局部到全局的种子生长策略、自适应生长准则和共线性校验的路网自动构建方法，提高了路网构建质量和速度。不同分辨率（0.5m至30m）图像测试结果显示，道路网络提取完整率在75～92％之间，每百万像素平均提取耗时约65s，表明该算法可有效实现大场景路网的快速提取。　　(2)从对称分析的视角提出了一种新的建筑物几何特征提取算法，并在此基础上实现三维参数估计。几何特征提取中，不同于常规的单独提取策略，提出的算法将建筑物叠掩区和阴影区这两个主要特征以局部几何对称性进行刻画，并综合考虑几何特性、辐射特性及特征间相对位置关系在一个统一的构架中实现两者的同步提取。以都江堰区域SAR图像测试算法，结果显示相对控制标记分水岭法和距离向算子法，检测虚警率降低约20个百分点。三维重建中，采用经典的迭代-仿真-匹配策略，利用遗传算法实现了三维参数（方位角、长、宽、高）的匹配。重点设计了以已提取的几何特征为基础的三维参数初值估计策略，解决了随机搜索算法对优化参数取值范围敏感的问题。　　(3)提出了一种针对海量高分辨率SAR图像的机场快速定位策略和精细分析方法。为提高在海量数据中的搜索效率，提出“双尺度”搜索策略。该策略首先对图像切分并主动降低分辨率，在粗尺度图像上利用辐射、几何和拓扑特征对机场进行并行搜索以快速定位。基于得到的位置信息，在原始高分辨率图像上进一步精细定位并提取跑道信息，设计了联合边缘和中心线的跑道检测方法，无需进行直线片段提取和连接，可同时实现跑道检测和几何特征（长、宽、方向）解译，在复杂机场中适用性更强。针对TerraSAR-X(2400km2、4200km2)和HJ-1-C(5700km2) SAR图像的测试结果显示机场初始定位时间约35s/5000km2，所有17条跑道均成功检测，可为军事中的机场侦察、精准打击提供技术借鉴。　　(4)提出了一种适用于机载高分辨率SAR图像的建筑物变化检测方法。由于多时相机载高分图像存在成像参数多变、干扰信息繁多等特点，配准和变化检测难度增加。为克服该问题，本文摒弃了传统的直接配准的思路，而采用目标层两级配准策略——首先提取主干道交叉点并以此为媒介进行图像全局粗配准，然后针对二值化建筑图利用Taylor展开进行局部精配准和变化信息提取。该策略以道路、建筑物两类目标为媒介，对目标而非像素进行匹配，可屏蔽大量噪声信息，从而解决了图像全局直接配准失配率高、稳定性差的问题。针对都江堰区域C波段和X波段SAR图像的测试结果显示该方法可成功实现建筑图匹配，相对Delaunay剖分方法可明显降低误配点数量。