目前由于制海权越来越重要,对海上目标的识别也提出了新的要求,由于雷达对目标成像具有全天候、多方位的优势,其重要性也日益凸显。而逆合成孔径雷达成像是雷达识别技术中的重要途径。本文通过对舰船建模与成像,提取其纹理特征、轮廓特征、不变矩特征等信息,利用度量学习与决策融合识别的方法对基于ISAR图像的舰船目标识别方法展开研究,本文的主要工作如下:首先介绍了改进的舰船三维散射点建模方法,基于对舰船实际数据的分析,提出利用3Dmax建模、收缩算法与面元质点的提取得到舰船的三维散射点模型的方法。其次,介绍了对ISAR图像的预处理算法。首先提出了基于ISAR图像梯度的标记分水岭算法;其次提出利用圆形掩模的SUSAN算法来得到ISAR图像中的边缘特性;接着介绍了基于图像质心的预处理算法,该算法通过平滑图像与利用ISAR图像中目标的边缘信息提取图像的质心,并依此来得到图像中感兴趣的部分。然后提出了基于多帧图像标记点处理(FmMPP)的中心线提取算法,该算法主要通过利用多帧图像间的相关信息来补偿单幅图像的缺失信息;接着介绍了具有旋转不变性的Hu不变矩特征以解决舰船在三维运动时带来的影响;最后引入了一种新的纹理特征——Tamura纹理特征,并对该特征进行改进以更好的在ISAR图像中应用。最后提出了一种新的度量学习方法-随机度量(REMtric),该方法主要通过迭代多个学习分类器的输出结果来得到两个向量的最优相似度,并依此完成分类训练;之后考虑到单个特征在目标识别上的缺陷,提出了一种特征融合的方法,主要讨论了特征级融合和决策级融合的融合策略,得到了非常好的识别结果。