在遥感遥测领域,图像获取和图像特征提取对目标识别有重要作用。伴随遥感遥测技术的进步,合成孔径雷达(Synthetic Aperture Radar,以下简称SAR)在军事目标、地面设施、资源勘探等方面拥有难以估量的前景。相干斑噪声和比较复杂的噪声背景直接或间接影响了合成孔径雷达的图像去噪、分割和特征提取;同时,日益进步的成像技术和高分辨率图像的出现,使图像更形象表达出目标的纹理、结构、形态和散射特性等多特征信息,所以可以通过提取并整合其多个特征,提高目标识别的准确率。因此本论文针对SAR的三维图像几何特征提取,进行图像去噪、分割的研究,并重点改进几何特征提取方法。起初,着重研究了合成孔径雷达图像成像及其在常见情况下背景噪声的产生原理,同时探讨和分析了合成孔径雷达图像去噪算法,引入时间性能因子和采用ENL、EPI等几种常用评价算法,具体量化了在实际中各个算法的去噪性能,并通过仿真验证了以上算法的有效性。其次,针对SAR图像雷达成像环境的不可预测问题,分别分析研究了根据阈值、几何形体、神经网络以及集合的方法差的图像分割算法。同时,通过仿真实验评估了以上方法的优劣,并使用基于韦布尔分布的CA-CFAR检测器的车辆图像分割方法。最后,系统性地研究了合成孔径雷达图像车辆的点、区域等特征提取算法,改进多幅图片的融合准则,根据车辆的阴影对其几何特征进行了提取。同时,提出采用余弦傅里叶矩和韦布尔分布的CFAR检测方法,分别对其矩特征和峰值特征进行提取,并采用级联组合分类器对目标识别进行了建模分析,实现了在特征维数高和姿态变化下的目标识别,在MSTAR数据库之上进行了仿真分析、对比原数据信息,并且分别针对以上的图像处理手段和步骤进行了时间性能和算法性能的分析。图像融合输入图片为3幅时,车辆的长、宽、高精度改善,相对误差基本保持在15%甚至更低区间,T-72、BMP2、BTR70目标识别率在94%以上,BTR70甚至在99%,取得了较好的结果。