合成孔径雷达(SAR),具有全天时、全天候、高分辨率以及大幅宽等多种优点,广泛应用于军事侦察、地质勘查、环境测绘和农业等领域。作为合成孔径雷达的搭载平台,机载SAR 比星载SAR更低不仅制造成本,并且使用更加灵活,因此应用范围也在逐渐扩大。随着机载SAR的应用越来越普遍,降低其使用成本,提高其任务执行效率成为一个需要解决的问题。本文采用模拟成像任务所成图像及其相关数据,评价其成像效果,通过判断机载SAR对该成像任务的完成能力,从而评估机载SAR的任务适应性。通过调研SAR图像质量评价方法和多源数据融合技术,研究了基于数据融合的机载SAR任务适应性评估方法,主要工作内容如下:(1)研究了基于W-SVM的机载SAR任务适应性评估方法。分析了传统的SAR图像质量评价方法,针对传统主观评价方法存在的人工成本高和传统客观评价方法的精度不高的问题,基于SAR图像数据,引入分类机制,采用基于参数化内核的W-SVM构造出任务适应性评估模型。实验结果表明,基于W-SVM的评估方法不仅比传统主观评价方法节约人工成本,相比传统客观评价方法,在保证性能相近的同时,准确率提升了 13.66%,具有更高的精度。(2)制定了针对机载SAR的多源异构数据的融合策略。采用包括成像参数、SAR图像、地形信息、干扰信息和模拟故障信息等来源于机载SAR、数字SAR以及专业人员的多源异构数据,采用不同的数据融合策略对不同结构的数据进行数据融合。对成像参数、地形信息、干扰信息和模拟故障进行特征级数据融合,对SAR图像既进行特征级融合也进行数据级融合。实验结果表明,对参考图像进行特征级融合的策略以及对地形信息、干扰信息和模拟故障信息的融合策略都发挥了积极的作用,提高了评估模型的准确率。(3)改进基于W-SVM的评估方法,设计了基于动态阈值的机载SAR任务适应性评估方法。针对SAR图像只反映部分的任务适应性从而导致评估模型精度不高的问题,融合地形信息、干扰信息和模拟故障信息,得到对适应性评估模型的分类阈值的调整值,通过对分类阈值的动态调整从而进行机载SAR的任务适应性评估。实验结果表明,基于动态阈值的评估方法不仅具有比基于W-SVM的评估方法更高的精度,而且性能损失极低,因此具有更高的应用价值。