合成孔径雷达是一种先进的利用电磁波进行感知的对地观测工具。对比于光学、红外等成像技术,合成孔径雷达在具有高分辨率及大面积数据获取能力的同时,还具有全天时、全天候观测以及对云层、雾层、地表植物等有一定穿透性的特点,使其在军事、民用的各个领域有着广泛的应用。本文通过全面系统深入的理论和实验研究,从合成孔径雷达图像自身特点出发,建立和完善了目标自动检测理论及其轮廓提取方法。首先,作为目标检测的基础,深入研究了适用于描述合成孔径雷达图像中金属目标区域、陆地杂波区域的统计模型,在此基础上建立了能更准确拟合金属目标和陆地杂波混合区域雷达数据的混合统计模型,给出了各种模型参数估计的算法,并研究与总结了各种模型与实测雷达数据的拟合度。其次,在目标检测方面,文章系统研究了恒虚警检测算法,并对经典的杂波选取方法进行了改进,实验结果显示对比于传统恒虚警算法改进后的检测算法在目标像素保留能力上有了一定的提高。由于恒虚警检测算法没有考虑目标的统计特性,是一种次优的统计检测算法,而为了获得更优的目标检测效果,强调目标统计特性在检测中的作用,本文还深入的研究了基于统计模型的广义似然比目标检测算法并通过实验证实了算法的有效性。最后,将传统的边缘检测算法Snake模型引入合成孔径雷达图像目标检测中,针对图像中具有较强的相干斑噪声、目标边缘不清晰等特性,对Snake模型作相应的改进,使算法能较好地运用于合成孔径雷达图像目标的边缘检测及轮廓提取。