SAR以其观测范围广，受天气影响小的优势被广泛用于海洋研究中。近年来SAR数据源的不断丰富和图像分辨率的不断提高，尤其是Cosmo-SkyMed、TerraSAR-X的分辨率已达到1米，使得利用高分辨率SAR图像进行海上商业运输船舶分类成为可能。因此本文利用SAR数据开展商业运输船舶后向散射特征的分析和分类算法的研究。具体内容如下:　　 (1)首先分析了海上船舶目标在几何尺寸、运动特征和信号特点上与其它海上目标的区别，其次阐述了SAR自身成像机理造成的船舶成像顶底位移、运动中船舶的方位向偏移现象的原因，并总结了SAR图像上船舶长度提取的规律，再次分析了货船、油船、集装箱船三类船舶类型的峰值特征的分布规律，最后将船舶的上层建筑与其在SAR图像上典型的成像特征一一对应，研究了不同类型船舶间特征的相似与不同之处，为下一步船舶分类工作打下基础。　　 (2)阐述了Adaboost算法的原理，介绍了类Haar特征的类型，最后利用Cosmo-SkyMed3米分辨率和Radarsat-25米分辨率的图像上的货船为正样本，油船、集装箱船和海洋背景为负样本训练了基于类Haar特征的Adaboost分类器，并对分类结果进行了分析。　　 (3)提出了基于霍夫变换和基于主成分分析的两种船舶主轴方向的检测方法，然后根据主轴方向提取结果改进了船舶最小外接矩的提取方法，最后根据船舶的结构特征向量，设定了三个模糊集合，并利用模糊逻辑的算法对以上三种船舶进行了分类，分类算法准确率达到了90％以上。