近年来,合成孔径雷达(SAR)因其全天候、高信息量和包含极化信息等优势越来越多的应用于遥感信息中。随着SAR技术的进步,极化SAR的运用,高分辨率SAR的出现,SAR图像数据在机场和机场相关目标,如飞机的检测等方面有了进一步的发展。本论文作为本领域的硕士论文,研究了SAR的极化散射信息、目标散射信息和图像数据；SAR图像的预处理方法——图像滤波和增强方法；SAR图像中机场ROI提取算法完整性和效率研究;SAR图像中飞机目标检测方法。第一章主要介绍了SAR数据处理的理论基础和图像来源数据——ALOS的PALSAR数据和DLR的ESAR数据,它们分别是低分辨率的星载SAR数据和高分辨率的机载SAR数据。第二章主要研究了SAR图像的预处理方法,分别研究了相干噪声滤波方法和图像增强方法。在相干噪声滤波方面,研究了以乘性噪声模型为基础的滤波方法,以最新的改进型Lee-sigma滤波方法为例,计算了ALOS数据运用此种方法滤波前后的等效视数(ENL),证明了其有效性;在图像增强方面,介绍了香农熵分量概念,证明了它对于目标和背景对比度增强的作用。第三章主要研究了SAR图像机场ROI提取的三种方法——基于CV模型法、基于最大模糊熵法和基于ROEWA算子法。前两者是基于区域提取,最后一种是基于边缘提取。基于CV模型法利用相干斑滤波和SEI数据改善了机场主跑道的边缘强度和清晰度,能够在高分辨率SAR图像的机场ROI检测中有良好表现,并得到不同尺寸大小的机场ROI；基于最大模糊熵法利用ABC算法的正反馈性、并行性和鲁棒性,对阈值寻优进行改进,算法简单,计算快速；基于ROEWA算子法基于多边缘模型,是一种阶跃边缘检测算子,它可以保持SAR边缘检测的恒虚警率。第四章主要研究了SAR图像飞机目标检测的算法,包括CFAR方法和分形特征算法。其中,介绍了CFAR算法的模型背景,对各类算法(CA-CFAR、 OS-CFAR、SO-CFAR、GO-CFAR、VI-CFAR)的检测效果进行了对比。在高分辨率图像中,使用分形特征算法进行了飞机检测,并说明了以上飞机检测的缺点所在。