合成孔径雷达(Synthetic Aperture Radar，SAR)因其在海洋信息获取和舰船监测等方面具有重要的民用及军事价值受到了国内外的广泛关注。但受到海面散射点随机运动的影响，SAR图像中的波浪纹理和舰船尾迹常不明显，可视化效果不佳。本文针对类似波浪纹理和舰船尾迹纹理的特征增强技术进行了深入地研究，并分别从图像域和信号域，提出了这两类图像纹理的特征增强方法以及舰船尾迹的最优成像方法，本文的主要工作和创新性成果概括如下:　　提出了基于Goldstein滤波器的波浪纹理增强方法。该方法引入干涉图相位滤波中广泛使用的Goldstein滤波器，通过图像谱中风浪成分与噪声比率自适应地确定增强系数，实现了高频风浪条纹的增强;通过SAR成像参数及海面风速，确定图像谱中的分离波数，实现了低频中/大尺度海洋特征的保持。原理分析和实验表明，该方法具有明显的风浪条纹增强效果，同时也适用于SAR图像中内波和浅海水下地形的增强。　　为避免对SAR图像中斑点噪声进行增强，提出了基于快速自适应2维经验模式分解(Fast and Adaptive Bidimensional Empirical Mode Decomposition, FABEMD)的波浪纹理增强方法。该方法引入FABEMD，通过2维内蕴模式函数(BidimensionalIntrinsic Mode Function，BIMF)的功率谱分布定义和计算分解停止条件，实现了对SAR海洋图像的自适应分解，并通过Goldstein滤波器自适应增强了分解得到的风浪条纹。原理分析和实验表明，该方法较好地解决了斑点噪声抑制和风浪条纹增强的矛盾，同样也适用于SAR图像中内波和浅海水下地形的分解和增强。　　为提高湍流尾迹和开尔文尾迹的图像和频谱对比度，提出了基于不变矩快速自适应2维经验模式分解(Moment Invariants based Fast and Adaptive BidimensionalEmpirical Mode Decomposition，MIFABEMD)的舰船尾迹增强方法。该方法基于FABEMD和Goldstein滤波器，引入不变矩对舰船尾迹BIMFs功率谱进行描述，建立了分解停止条件和增强系数等计算模型，实现了舰船尾迹的自适应分解和对开尔文尾迹的直接增强。实际数据处理验证了MIFABEMD对舰船尾迹分解的有效性和对开尔文尾迹的增强效果。此外还提出了利用分解得到的湍流尾迹功率谱Hough变换反演航向，利用增强后的开尔文尾迹功率谱反演航速的方法，均取得了较好的效果。　　为解决一些明显运动舰船在SAR图像中的尾迹无法观测的问题，提出了基于雷达视线方向改变的开尔文尾迹最优成像方法。研究了各种参数对SAR舰船尾迹成像的影响，系统地分析了湍流尾迹和开尔文尾迹的最优观测条件，并基于双尺度散射模型对雷达视线方向与开尔文臂成不同角度的后向散射系数图进行了仿真研究，得出了实现开尔文尾迹最优成像的成像条件。在此基础上，提出了通过数字波束合成实现开尔文尾迹最优成像的技术方案。针对实际数据，采用天线方向图分割成像的方法，在一定程度验证了本文方法的有效性。