合成孔径雷达(SAR)是一种主动传感器,利用电磁波对目标进行照射实现二维成像。与光学、红外等传感器不同,SAR成像过程不受天气、光照等条件的限制,可对兴趣目标进行全天候、全天时的远距离成像,在国防建设、国民经济和社会发展的各个领域获得了广泛的研究与应用。然而,受到噪声特性、几何特性等影响,SAR图像中兴趣目标的分辨能力大幅度降低,进而基于SAR图像特征分析的目标检测、图像配准、变化检测等应用的鲁棒性和有效性也受到较大影响。SAR图像特征分析与提取是连接SAR图像获取和应用的纽带,是解决SAR图像理解与解译能力不足问题的关键技术之一,因此,SAR图像特征分析与提取技术的提高在图像工程中具有重要的现实意义。本文针对不同应用场景对目标特性的不同需求,对SAR图像特征分析与提取进行了深入研究,主要研究内容和创新点如下:1.针对复杂场景下目标特征独立性较低的问题,在分析、确定兴趣目标有效特征的基础上,提出了一种基于多特征联合的地面SAR兴趣目标分层检测算法。算法提取反映兴趣目标真实物理性质的散射强度、尺寸以及纹理变化等有效特征,通过初步目标检测层和潜在目标鉴别层实现目标检测。该算法能够在较少特征数目条件下,剔除图像背景、自然/人造杂波等非目标,降低虚警目标数的同时提升检测率。2.针对单一尺度下SAR图像特征提取引起的图像信息丢失问题,提出了一种SAR目标多尺度特征提取算法。该算法采用高斯尺度空间和多组种子点的方式提取多尺度SIFT特征;通过提取SAR目标多尺度特征向量主成分的方法来降低特征维度;通过图像退化率的计算获取最佳尺度因子和尺度层数。提取的目标多尺度特征包含了目标整体轮廓和图像细节的完整描述。针对传统基于多样本训练集的SAR目标检测方法存在样本获取困难的问题,提出了一种单样本目标检测方法。该方法在无需预先获取足够样本和其他先验信息的情况下实现兴趣目标检测,对复杂背景SAR兴趣目标检测具有重要意义,尤其当目标样本与检测图像处于不同尺度和方位时,可以避免大量不同尺度、不同方位目标样本的选取与运算,解决了难以获取较多目标训练样本的问题。3.针对SAR图像中相干斑噪声和几何形变引起的尺度不变特征变换(SIFT)特征有效性受限等问题,提出了一种SAR图像增强性SIFT特征提取算法。该算法通过稳定的特征点主方向的分配方式和较大的局部区域描述方式对SIFT描述符进行改进,增强了SAR图像SIFT特征的稳定性。针对原有的固定距离比匹配方法容易出现误匹配和漏匹配问题,分别提出了无干扰邻近距离比匹配方法和最佳欧式空间距离矩阵匹配方法,消除了特征点之间的相互干扰,进而减少了漏匹配并极大地增加了正确匹配对数。4.针对现有描述符依赖横纵坐标而造成特征失效问题,分别提出了SAR图像极坐标尺度不变特征变换(PSIFT)和极坐标快速鲁棒性特征(PSURF)局部描述符。PSIFT和PSURF特征描述过程省略了特征点主方向的分配步骤,通过特征点局部区域的半径方向和角度方向的灰度变化进行特征向量的计算,只依赖于尺度而与方向无关。PSIFT和PSURF特征提取算法避免了SAR图像由于相干斑噪声和几何形变造成的特征点主方向不一致问题,在降低向量维度的同时具有良好的旋转不变性和尺度不变性。此外,文中提出的SAR-DM匹配方法可以极大地增加SAR图像配准中的匹配对数,对于需要较多匹配对的应用有重要意义。