统计建模是合成孔径雷达(SAR)图像解译必不可少的东西,不同的SAR统计模型(如K分布,高斯分布,伽马分布,对数正态分布,混合分布等)对不同的SAR地物类型(如农田,森林,草地,河流等)的建模能力各不相同。本文首先介绍了不同的统计分布及其特点,对不同的SAR图像地物类型进行统计建模,找出各种统计模型所适合的地物类型。目标检测更是SAR图像应用的重中之重,文章针对机载SAR图像中车辆检测问题结合CFAR算法提出了针对角反射器散射特点的目标检测算法,并采用真实的机载P波段和L波段SAR图像数据对算法进行了验证。超高分辨率SAR图像具有数据量大,传统CFAR算法处理时间复杂度高,目标具有一定的形态及细节的特征。针对这些特点我们提出了多层CFAR算法。算法中采用对数正态分布作为图像的统计分布模型。我们通过对整幅SAR图像采用基于对数正态分布的全局CFAR算法滤除强散射点来找出SAR图像背景区域。然后依据提取出的SAR图像背景来进一步检测舰船目标。尽管多层CFAR算法提取出较准确的舰船目标,但是依然存在很多虚警目标。我们根据先验舰船尺寸大小,对多层CFAR算法处理后的图像滤除虚警目标。由于超高SAR图像特点,滤除虚警后的目标有着不完整或者船体出现空洞的现象,我们提出了提取目标轮廓算法,并对目标轮廓进行填充来得到完整的目标。实验中使用两幅TerraSAR-X图像真实数据,分辨率为1米,分别采用多层CFAR算法及传统CFAR算法进行实验比较,结果证明我们的算法有较好的检测结果。论文得到了国家自然科学基金(No.61072106,61271302)的资助和国家“973”计划(No.2013CB329402)的支持。