合成孔径雷达(SAR)技术是一种重要的微波观测手段,具有全天时、全天候、远距离、高分辨等特点,并在航空航天、地面检测、战场侦查和武器制导等领域具有重要的应用价值。随着SAR成像技术的发展,现今雷达所能达到的分辨率越来越高,也意味着能够提供越来越多的细节特征,特征是否明显直接影响了后续处理的目标检测和识别。传统的匹配滤波成像方法,无法突破奈奎斯特采样定律的限制,数据利用率低,产生较高的旁瓣影响了原始特征。而新兴的压缩感知类算法基于数据的稀疏特征进行成像,一方面稳健性和高效性有待提升,另一方面很难在处理过程中保护其他特征。鲜有的多元特征增强成像算法,也只是对多个特征处理进行了简单的算法级联,容易造成误差传播。因此,研究一种稳健高效、能够协同优化多元特征的成像方法具有重要的现实意义。本文针对高分辨SAR成像中的多元特征增强问题,由原始二维波数域数据或预处理后的距离压缩域数据出发,在成像的同时设计合理的正则项表征不同先验信息,利用对偶方法和拉格朗日思想提升求解的高效性与稳健性,通过变量分解思想实现多元特征协同优化,主要研究内容如下:1.研究利用压缩采样数据进行SAR成像与特征增强的问题。首先推导观测静止场景,地面动目标和空中动目标的回波信号模型,建立回波成像的线性最小二乘问题方程,改进实数交替方向乘子法(ADMM)算法为可用于雷达复数据的多任务学习通用ADMM框架,在此框架中,只要引入预设的正则项,便可在高分辨SAR成像同时,增强场景或目标的对应特征,实现稳健高效高分辨成像与特征增强。在实验中,与经典的压缩感知方法进行仿真和实测数据对比,验证了所用框架的实用性。2.研究高分辨SAR成像场景中的点/块稀疏分布散射特征增强问题。高分辨SAR成像能够提供更多的可用特征,比如孤立强散射点具有的点稀疏特征,聚集强散射点具有块稀疏特征,而不同的观测目标强散射点聚集会形成不同的形态稀疏特征,针对这三种稀疏特征先后引入了l1范数正则子,l2范数分块正则子和结合形态学先验信息的形态分块l2范数正则子进行表征,结合本文框架进行求解,最终提出能够进行自适应形态(Adaptive Morphology)结构稀疏特征增强的算法——AM-ADMM,并对三种稀疏特征增强方法都进行实测与仿真数据对比试验,验证算法有效性。3.研究SAR成像地物目标的方向纹理特征增强方法。针对部分观测场景地物特征(如田埂等)的方向纹理特征增强问题,本文通过构建目标的结构张量(Structure Tensor),通过奇异值分解表征不同方向的梯度信息,以此形成加权散度算子改进广义全变分思想,构建了方向加权的全变分正则子,并通过幅相分离技术在本文框架内与稀疏特征进行联合增强,达到同时增强方向、稀疏特征、平滑结构纹理的成像效果,最后应用机载聚束(0.3m)SAR实测数据验证方法有效性。4.研究机载SAR成像中的联合运动误差自校准方法。由于机载SAR平台易受到气流等影响偏离运动航迹,在数据中表现相干性的方位向相位误差(APE)和非系统性距离单元徙动(Ns RCM),导致成像结果散焦,而用以度量聚焦性能的熵(Entropy)函数非凸,本文针对此问题,首先设计合理代价准则将熵表达式转化为凸代价函数,进而推导出表征图像聚焦性能的熵正则子,然后利用本文框架,求解基于二维波数域数据的稀疏和熵正则子联合最小化问题,在分步迭代中同步更新APE和Ns RCM,实现了数据驱动的联合误差自校准,并应用于机载实测(0.15m)数据验证所提方法的有效性。