合成孔径雷达(Synthetic Aperture Radar,简称SAR)的目标识别技术在战场感知方面非常重要,已成为国内外研究的热门课题。近些年来,雷达目标识别在特征提取、目标模式分类、目标识别算法的实现等技术领域取得了不同程度的进步,已成功应用于星载和机载合成孔径雷达地面侦察、精确制导等领域。本文综述了模式识别技术的发展现状,深入研究了基于SAR的目标分类及其相关技术,并且应用形态神经网络(Morphology Neural Networks)对SAR图像进行模式识别,应用形态学和神经网络的优势互补,对形态神经网络识别算法进行了研究,实现了形态结构元素的优化,并用MSTAR实测数据中的坦克(BMP2)和装甲车(T72)这两组数据验证了算法的有效性,而且得到了很好的识别率。最后进一步研究形态神经网络通过改变分类器即分类子网络来验证这种算法的有效性,实验得到了很好的结果。由于该网络根据已有的先验知识对用于特征提取的形态学结构元素(网络权值)进行训练,实现形态学结构元素的优化,从而使目标的特征提取更准确,进而在同一个网络中实现特征提取和模式识别的同时提高了模式识别率。