合成孔径雷达由于其全天时、全天候的工作特点,已成为当下遥感对地观测的重要手段,在军事和民用领域都有着广泛的应用。近年来,随着合成孔径雷达成像技术的发展,星载和机载雷达平台获取到了海量的高分辨对地观测影像,为精确的场景感知提供了丰富的数据。然而,当前的雷达图像解译能力无法满足采集到的海量数据的处理需求,致使有价值的信息无法被有效挖掘出来服务于具体应用任务。传统的人工解译方法通常耗时耗力,如何让计算机代替人来完成海量雷达图像中关键目标信息的获取任务,是当前雷达遥感领域的重要研究课题。本文围绕高分辨雷达图像中目标的实时检测任务,提出从生物视觉认知的角度来设计场景显著信息启发的智能雷达目标检测算法,以期突破当前雷达目标检测技术发展中存在的瓶颈问题,为海量数据的实时、准确解译提供新的解决思路和方法。具体地,研究工作将以生物视觉注意机制的建模为切入点,然后以所设计的场景显著建模方法为分析工具,来探索适用于复杂场景的智能雷达图像目标检测算法。主要创新点总结如下:1.针对显著建模问题的病态特点和对先验知识的依赖性,提出了基于有向图和多尺度贝叶斯推理的复杂场景显著图生成方法。根据显著物体在空间上所具有的闭合和包围特性,设计了基于超像素的有向图路径优化模型用于图像区域的显著度量。此外,将该模型扩展到了多个尺度以应对“小距离累积”问题,并设计了多尺度贝叶斯推理模型实现了像素级的显著融合。所提方法在MSRA-1000数据集上取得了较经典显著检测方法更优的性能,同时在包含有不同尺寸、位置和数量显著物体的混合验证数据集上取得了满意的检测结果。2.为解决传统人工设计规则在复杂场景显著建模中的鲁棒性问题,提出了一种基于判别字典学习和联合贝叶斯推理的显著检测方法。设计了基于独立子空间假设的判别背景字典学习模型,可从图像中主动学习出具有区分力的显著线索。同时,推导出了可用于多源显著信息融合的联合贝叶斯推理模型,能结合异构视觉信息实现可靠的显著度量。所提方法的有效性在基准显著数据集上得到了验证,并且其在自适应图像缩放问题上展现出了应用潜力。3.鉴于单个显著线索在复杂场景建模中有限的泛化能力,提出了一种基于混合稀疏学习的多源显著线索融合模型。从轮廓显著的角度提出了一种新的显著线索一“最小跨度距离”,并设计了其实现的离散优化模型和迭代求解算法。在所获取的轮廓显著信息基础上,建立了一种进行多源线索融合的混合稀疏学习模型,可结合稀疏认知先验和图像边界先验实现显著图的联合优化。在大规模显著数据库上的测试结果表明,所提方法在复杂场景下具有较强的显著建模能力。4.针对高分辨SAR影像中目标所呈现出的结构化和弱散射特性,提出了一种基于层次化稀疏显著建模的快速舰船目标检测方法。设计了基于随机森林的鲁棒场景显著建模方法,实现了对场景中感兴趣区域的准确感知。接着在所提取的感兴趣区域基础上,设计了一种基于恒虚警率技术的动态轮廓模型,可以实现对目标区域的精确定位。在实测高分辨SAR数据上的测试结果表明,所提方法较传统的舰船检测方法有更好的性能。5.为提升在高分辨SAR影像下目标检测算法的性能和效率,提出了一种基于自适应显著搜索的物体级恒虚警快速舰船检测方法。建立了布尔图和格式塔原理的指导下的显著搜索模型,可以从场景中快速提取高质量的目标候选区域,避免穷尽搜索带来的巨大计算开销。基于所提取的目标候选区域,设计和推导了一种物体级的恒虚警率检测器,可以实现杂波的自适应建模及目标的准确定位。所提方法在实测的海洋和港口 SAR数据上取得了较经典的舰船检测方法更优的定位精度。上述工作从脑启发计算的角度来对智能图像理解问题进行研究。在视觉注意机制的计算上提出了新的理论模型,在雷达图像目标检测上取得了新的性能突破,为复杂场景显著建模和目标检测提供了有效的解决方案。研究工作对于雷达遥感技术的发展兼具理论意义和实用价值。