针对合成孔径雷达(SAR)图像的目标检测、识别及信息提取等一直以来都是SAR应用领域的研究热点。随着SAR图像分辨率的提高，目标散射表现出的几何结构更加明显，为确定目标的位置和类型提供了更为丰富的信息。然而，SAR特殊的成像机制导致了目标散射的形状及分布特点难以描述，在高分辨率SAR图像目标解译中目标的几何结构特征信息利用得并不充分。因此，分析SAR图像目标几何结构特性，建立更有效的SAR图像目标解译方法成为具有重要意义的研究方向。　　本文就如何分析不同结构复杂度的目标几何结构特性并为高分辨率SAR图像目标解译提供有力支持的问题进行了深入研究。对于以建筑物为代表的简单结构目标，采用成像分析的方式研究了目标的结构特性，并在此基础上提出了新的目标解译方法;对于复杂结构目标，采用SAR图像仿真的方式研究了目标散射的结构和分布规律，并研究了结合仿真的SAR图像目标解译方法。　　论文的主要工作和研究成果总结如下:　　1.为了在高分辨率SAR图像建筑物解译中充分利用多种特征以及特征之间的相互关联关系，提出了一种基于分解模型的高分辨率SAR图像建筑物结构特性分析方法。针对现有分析方法难以描述图像特征的形状变化以及特征间的结构关系这一问题，该方法首先将建筑物模型分解成若干更为简单的矩形平面，结合SAR成像几何建立矩平面同图像特征之间的对应关系;在此基础上，利用矩平面的位置及姿态以分析其对应图像特征的形状变化规律，利用矩平面间的组合关系以推导图像特征之间的相对位置及形状约束关系。该方法对建筑物的结构特性表现得更为全面，能为建筑物目标解译提供更多依据。　　2.针对复杂场景中SAR图像建筑物检测率低、虚警较为严重的问题，提出一种基于结构表示模型的高分辨率SAR图像建筑物检测方法。该方法利用建筑物结构特性，组合多类图像特征构建了建筑物表示模型，有效解决了建筑物单一特征表示区分能力弱、抗干扰能力差的问题。在结构表示模型的基础上，引入一种自底向上(Bottom-up)和自顶向下(Top-down)混合推理的检测策略，其中，Bottom-up过程组合基元特征生成候选目标以减少虚警，Top-down过程补充检测弱目标以提高检测率。实验表明，该方法有效提高了复杂场景下建筑物目标的检测性能。　　3.针对基于特征测量的建筑物几何信息提取方法难以保证提取精度的问题，提出一种模型引导的高分辨率SAR图像建筑物目标几何信息提取方法。该方法建立了多类图像特征的统一表示模型，在几何信息提取过程中，通过特征模型与图像迭代匹配的方式提取特征，以提高精度。同时，该方法建立了建筑物整体表示模型以引导特征提取顺序，使得对多类特征的利用具有整体性，与基于模型匹配的方法相比降低了求解的复杂程度以及对建筑物图像的完整性要求。实验表明，该方法参数提取精度高，对场景中的遮挡、干扰等具有较好的鲁棒性。　　4.为了研究复杂结构目标的几何结构特性及解译方法，本文中提出了一种关联目标结构与散射现象的SAR图像仿真方法。在SAR成像几何处理部分，该方法采用了基于分解面元的目标模型可见性判别方法;在目标散射计算部分，该方法采用了基于目标结构的简化散射计算模型，建立了目标结构与单次散射及二次散射的相对数值关系。与一般仿真方法相比，该方法对目标散射在图像上的几何分布反映准确，能够体现主要强散射现象的位置、形状以及相对强度，克服了传统射线追踪方法计算速度慢、栅格化技术只能处理单次散射的问题。实验表明，该仿真方法效率较高并有效反映了SAR目标典型特征。