合成孔径雷达（SAR）具有全天候、全天时和强透射性等特点，广泛应用在军事领域和国民经济。随着SAR数据信息量的不断增大，SAR图像目标识别（SARATR）越来越受到国内外的重视。SARATR可以概述为从SAR图像中发现感兴趣目标区域，并判断出目标所属的类型。其中SAR图像分割、目标特征提取是SARATR中的关键技术。另外，由于目标方位角严重影响SAR成像，即相同目标由于方位角的不一致所成的图像会存在很大差别，导致目标方位角严重影响着目标识别的性能。因此，本文以SARATR为背景，主要针对SAR图像分割、目标方位角估计、目标特征提取这三方面的内容进行研究。首先，针对基于马尔科夫随机场的分割算法在迭代优化的过程中，需要考虑每个像素的空间结构信息，从而导致处理的数据量很大这一问题，本文提出了一种基于超像素关联分析的SAR图像分割方法。该方法利用马尔科夫随机场建立目标函数，将分割问题转化成对该函数的优化问题。在SAR图像初始分割阶段采用线性迭代聚类算法生成若干超像素。随后采用快速人工蜂群算法对目标函数进行优化，同时为了加快优化速度，加入了超像素相似性分析，通过对超像素之间进行灰色关联分析获得关联相似度，然后对其相似度进行阈值判断，当大于既定阈值时更新超像素标记状态，直到所有超像素标记都达到最优状态。实验结果表明，本文方法减少了处理数据量，并获得较好的分割效果。其次，在目标方位角估计方面，提出了一种基于目标主轴和主导边界的方位角估计方法。SAR图像目标的方位角接近0或180时，使用主导边界估计的偏差较大，但是通过统计大量的SAR图像分割目标，发现此时目标区域大多数的点呈现出近似几何对称性，满足目标主轴法假设前提，采用目标主轴估计方位角会得到较高精度的估计。利用这两种方法估计方位角时的优势进行互补，可以提高方位角估计的准确性。最后，本文提出并实现了一种基于MLS的点特征提取方法。首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像，再把该二值图像和SAR图像进行点乘运算，获取到含有强度信息的目标区域，然后采用移动最小二乘法（MLS）对目标区域进行曲面拟合，并根据设定的点特征判决规则，最后提取出SAR图像的峰值、脊等多种点特征。基于MSTAR数据的实验结果表明了本文方法的有效性和准确性。