合成孔径雷达(Synthetic Aperture Radar，SAR)是一种工作在微波波段的主动式雷达系统，使用相干成像方式。具有全天时、全天候、能穿透云雾烟尘，大面积成像的特点，在军事和民用领域受到普遍关注。目前，许多研究机构都致力于研发SAR图像自动目标识别系统(ATR)，SAR图像目标检测技术在整个目标识别系统中是一个重要的环节。在此背景下，本论文致力于研究SAR图像的目标检测技术。 对SAR图像统计特性的分析是进行SAR图像处理与分析的基础。传统的方法都是从SAR成像机理出发，从理论和SAR图像的实际情况来分析SAR的统计特性。本论文根据分布模型的选取准则(如K-S测试，A-D测试等)，通过实验的方法深入分析SAR图像的统计特征。基于恒虚警的SAR图像目标检测包括杂波强度的估计，分布模型的选取和其参数的估计。前者有单元平均，选大选小和有序统计量等估计算法。再结合杂波的统计模型，估计出分布的参数，从而给出检测阈值。论文中仔细分析了恒虚警检测算法的原理和实现。对所有算法实现并分析了真实图像的检测结果。 在此基础上，论文提出了新的基于区域分类的智能恒虚警检测算法。新的算法首先将传统滑动窗模型的背景区域进行分块，判断区域的类型，然后智能选取适当的子块作为真正的背景区域来进行参数的估计和阈值的计算。实验结果表明，该方法在同质性区域保持较好检测性能的同时，在多目标和杂波边缘的异质性区域也有较强的鲁棒性。在SAR图像目标检测结果评价和分析部分，给出了目标检测评价准则，通过这些准则对以上目标检测算法进行评价，评价结果验证了新算法的有效性。最后，介绍了SAR图像处理平台，说明了软件平台的功能和架构，并给出实际软件界面演示。