SAR图像相似度评估旨在衡量两幅SAR图像之间的相似程度，在SAR仿真图像质量评估、成像数据筛选、目标分类与识别、图像配准、变化检测等应用中具有非常重要的作用。SAR图像的相干斑噪声，目标部分遮挡、模糊，图像局部梯度剧烈变化，尤其是人造目标散射的角度敏感性，使得SAR图像相似度评估非常困难。针对这一问题，本文对基于灰度和基于特征的SAR图像相似度评估进行了深入的研究，并进一步利用模糊数学探讨了主观相似度的构建。开展的工作主要包括以下几个方面：(1).首先从SAR图像最基本的灰度信息开始，通过分析灰度统计特性，定义灰度信息相似度准则。总结分析了SAR图像的噪声特性和几何特性，归纳总结了SAR图像特征的不确定性，提出一种基于像素差值编码的相似度准则。该方法将SAR图像按照相邻像素灰度差异生成编码图像，以编码图像之间的一致性作为相似度。该方法的特点与优势在于：首先，该相似度对SAR图像中相干斑噪声、部分遮挡和模糊等因素具有一定的鲁棒性和适应性；其次，将该准则应用于SAR图像匹配时，针对匹配的不确定性，该方法给出一定置信水平下所有合理的匹配位置。(2).灰度信息是SAR图像基本信息，只是考虑灰度信息定义相似度是远远不够的。在相干斑噪声严重区域，图像灰度信息并不能反映目标真实散射特性。我们接着对SAR图像的纹理信息进行处理，利用SAR图像纹理特征定义图像相似度。分析了常用的差值测度和比值测度对SAR图像相干斑噪声的鲁棒性。针对SAR图像相干斑噪声特性和图像局部梯度特点，提出一种基于局部梯度比率特征的相似度准则。该准则基于韦伯定律提取SAR图像各个像素的梯度比率特征，进而构建局部梯度比率特征直方图LGRPH，并进一步分析多尺度LGRPH，最后通过计算多尺度LGRPH的K-L距离定义相似度。该相似度对SAR图像相干斑噪声有较强的鲁棒性，并对SAR图像局部梯度变化也不敏感。以仿真SAR图像和实测MSTAR图像为数据，通过相似度准则视觉验证和目标分类实验验证了该方法的有效性和适用性。(3).前面两部分工作从灰度信息和纹理特征出发，利用灰度或者特征的相似度作为图像相似度，因此都可以归结于客观相似度构建。本文最后通过把轮廓特征和模糊数学方法结合起来，构建SAR图像的主观相似度。阐述了常用的SAR图像目标分割算法并指出目标轮廓提取存在的问题。针对SAR图像不确定轮廓特点，提出一种基于不确定轮廓的相似度置信区间及其可信度构建方法。该方法将SAR图像不确定轮廓模糊化得到相似度定义，进而通过分析模糊模型分布函数，在给定显著性水平下得到相似度置信区间，并给出可信度定义。该方法利用模糊数学，更好的描述了轮廓的不确定性，因此对轮廓定位有一定容错性，对一定程度的断裂轮廓及多边缘轮廓也能得到合理的相似度范围和可信度，符合人眼视觉感知。