合成孔径雷达(Synthetic Aperture Radar,SAR)目标检测可为军事侦查、民用探测等提供情报信息支撑,是SAR数据解译的重要环节。目标检测也可作为其他解译任务的前置步骤,检测结果将影响整个SAR自动目标识别(Automatic Target Recognition,ATR)系统的性能,因此,目标检测是解译系统的重要组成部分。随着SAR成像系统的不断更新,目标在不同雷达、不同分辨率图像中的差异越来越大,同时,高分辨成像系统也使得小尺度目标在图像中得以显现,加之同类目标不同型号之间实际尺寸也存在较大差异,造成同类目标在SAR图像中以不同尺度呈现。多尺度目标的存在使得传统目标检测方法无法准确划分目标区域,存在检测性能瓶颈:1)对固定地物目标而言,一般在大场景图像中稀疏存在,目标尺度多样使得对该型目标的快速与准确检测变得困难;2)对可移动目标而言,多尺度特性使得难以准确估计目标与背景分布参数,仅仅依靠散射特征已经无法满足检测需求,需要从任务目标出发,研究设计多尺度目标的尺度无关的共性特征。同时,小尺度目标在图像中信息有限,如何充分挖掘数据集中的小尺度目标信息仍有待研究。SAR图像中存在诸多固定地物目标与可移动目标,对这些目标的多尺度检测进行详尽研究需要大量人力与物力资源。考虑到现阶段的研究基础与条件,本文将围绕作为典型固定地物目标的机场与作为典型可移动目标的舰船的多尺度检测展开研究。主要工作包括:1.针对多尺度机场目标快速检测问题,提出了基于线基元聚合与显著性分析的检测方法。该方法首先采用广度优先搜索方式动态获取机场支持区域,并根据一定几何与特征距离条件,快速选择性搜索机场支持区域,得到潜在机场区域,最后采用像素显著性与线基元显著性快速分析潜在机场区域,剔除虚警。该方法将处理的对象从像素依次提升为线基元、机场支持区域和潜在机场区域,提升了大场景SAR图像中多尺度机场的检测效率。2.针对多尺度机场目标精确检测问题,提出了基于多层显著性的检测方法。该方法首先采用基于超像素的区域修正算法对机场部件进行提取,并聚类得到机场组件,针对机场组件提出了三种显著性指标:局部对比度显著性、组件紧凑度显著性和全局唯一性显著性,最后采用贝叶斯推理,将组件级显著性映射为像素级显著性。该方法实现了对多尺度机场目标的像素级检测,提升了检测精度。3.针对多尺度舰船目标导致无监督检测方法无法准确划分目标与背景区域,使得分布参数估计不准确的问题,提出了多尺度舰船可能区域采样方法。该方法首先采用超像素自底向上层级聚合的方式对可能的多尺度舰船区域进行选择性搜索,继而采用边缘密度比率与轮廓的紧凑性、完整性作为多尺度舰船的共性特征,基于此特征对选择性搜索得到的可能区域进行评分排序。该方法实现了多尺度舰船目标区域的动态搜索与评分,降低了多尺度舰船目标的漏检概率。4.针对小尺度舰船目标在端到端检测系统中可利用信息较少,甚至在深层特征图中消失等问题,提出了基于尺度迁移层的特征金字塔网络。该网络采用密集连接对网络的各个中间特征图进行特征融合,避免小尺度目标随着卷积、池化等操作而消失在输出特征图中;同时,为了更好地探索有利于小尺度目标检测的上下文信息,网络采用尺度迁移层作为特征图融合的中间层,压缩通道信息,扩展空域信息。该方法可以有效利用通道上下文信息,实现多尺度舰船目标的端到端检测。