合成孔径雷达(SAR)图像是一种全天候的高分辨率图像,被广泛应用于国防、自然灾害检测、生态环境监测等多个重要领域。SAR图像的应用包括分割、分类、目标检测、目标识别等领域。目标检测是SAR图像应用领域的一个重要方向。尤其在军事方面,SAR图像目标检测为目标打击、精确制导等方面提供支持。多年来,研究人员在SAR图像目标检测方面取得了丰厚的成果。但随着SAR图像的分辨率不断升高,传统SAR目标检测方法已经不能满足当前需要。其一,在高分辨SAR图像中,目标不同于以往普通分辨率SAR图像目标成一个或少数几个亮点的状态,因此不能用传统的CFAR检测算法对目标进行检测。在高分辨SAR图像中,目标成为一片区域,目标自身也具有了分布特征。其二,由于合成孔径雷达的特征,具有一定高度的物体会在一定方向上产生阴影,导致高分辨SAR图像中的目标并不是完整的目标。第三,随着高分辨SAR的发展,数量不断增大,特征越来越丰富,导致特征维数灾难,引起目标检测的时间复杂度过高。我们针对以上问题,我在本文提出了相应的解决方案:第一,本文提出了高分辨SAR图像分类结合特征拟合的方法形成目标检测的方法,在这一方法中,由于车辆本身的分布也是可以拟合的,并且车辆也形成了一个区域,这导致我们可以把车辆看作是一个类别,和诸如草地、跑道、建筑等其它区域平等对待,用分类的方法把一幅高分辨SAR图像分割为几个区域,并结合车辆的特征对车辆区域标号,从而形成最终的检测结果。第二,高分辨SAR图像中目标的补偿方法,由于机载高分辨SAR成像角度问题,会在特征方向上形成一定的阴影区域,并对目标的完整性造成影响,本文中,我们把这当作一个特征加入到分割检测算法当中来,对阴影和车辆的联合分布进行统计建模,作为车辆的特征,取得了较好的效果。第三,针对高分辨SAR特征表示复杂的问题,我们提出了分层稀疏特征表示的方法,在第一个问题中,SAR图像的特征表示也是非常一个难点,由于高分辨SAR图像的分辨率很高,能在SAR图像中呈现中很细微的特征,一般情况下,特征丰富是有利于目标检测的,但高分辨SAR特征过多会导致分类过程中优化复杂度过高的问题,针对这一问题,我们提出了建立过完备的字典,并用过完备的字典对特征进行稀疏表示的方法。在实际过程中我们发现,传统分布函数不能对高分辨SAR图像进行很好的拟全,如:四阶分布对高分辨SAR图像的阴影区域能较好的拟合能力,但它对其它区域的似合度不佳,而高斯分布能拟合一些背景区域,但对目标和阴影又无能为力,因此我们提出了一种混合分布来解决这一问题,经验证,取得了非常明显的效果。