合成孔径雷达（Synthetic Aperture Radar,SAR）不受天气、光照的约束,甚至可以完成恶劣天气和夜间的高分辨率成像任务。不断发展的SAR成像技术带动成像分辨率不断提升,成像算法的体制也不断创新以适应不同情景。视频SAR运动目标的检测和跟踪研究也取得飞速进展,在视频监督和救援抢险等领域得到广泛应用。随着深度学习的高速发展,将深度学习运用于SAR动目标检测、跟踪和成像等领域的研究也取得大量成果。本文将深度学习应用于SAR阴影跟踪任务中,并结合传统成像算法搭建SAR地面动目标跟踪和再聚焦框架。在搭建的框架中,首先通过SAR目标仿真与视频SAR成像系统获得SAR阴影视频,然后使用跟踪算法对SAR视频中地面运动目标阴影进行跟踪,最后根据跟踪结果重建目标轨迹完成动目标再聚焦成像。具体地,本文的主要工作和创新内容如下:1、SAR地面动目标跟踪和再聚焦框架的搭建和仿真验证。搭建的SAR地面动目标跟踪和再聚焦框架通过视频SAR后向投影算法获取SAR阴影视频,利用多目标跟踪算法获得运动目标轨迹,并结合跟踪到的轨迹和回波数据,通过运动目标后向投影算法进行运动目标再聚焦成像。利用搭建的框架进行动目标成像方位向偏移分析、方位向散焦定性分析和SAR阴影特性的对比实验验证。2、视频SAR动目标仿真数据集和实测数据集的制作。利用框架中的视频SAR后向投影算法,调整参数进行道路场景的SAR阴影视频仿真,并对获取的仿真视频和圣地亚哥（San Diego）公开的实测视频进行标注,制作后续多目标跟踪算法的数据集。3、基于背景减除法的多目标跟踪算法和基于Anchor的多目标跟踪算法对比。将基于背景减除法的多目标跟踪算法用于SAR阴影视频跟踪,会出现背景抖动和检测目标空洞问题,不适用于SAR阴影视频跟踪。将以深度学习为基础的基于Anchor的多目标跟踪算法用于SAR阴影视频跟踪中,分析其跟踪结果,并通过运动目标后向投影算法进行再聚焦成像,尽管存在散焦,可以得到运动目标的大致成像。4、提出改进的无Anchor多目标跟踪算法并进行再聚焦成像。以现有的无Anchor多目标跟踪算法为基础,从注意力机制引入、损失函数修改和网络架构优化等三个方面,进行适用于SAR阴影视频跟踪算法的改进。首先,保留嵌入分支,将注意力机制引入算法,提升了跟踪效果,并将嵌入分支的损失改为三元组损失,较交叉熵损失更适合SAR阴影视频的多目标跟踪,进一步提升了跟踪效果。然后,考虑到整体算法中SAR阴影视频的外观特征作用较弱,为简化网络,提出删除嵌入分支并引入注意力机制的无Anchor多目标跟踪算法,在大幅度简化网络模型,明显减少运算量,加快运行速率的同时,取得与保留嵌入分支相当的跟踪效果。最后,结合搭建的SAR地面动目标跟踪和再聚焦框架以及提出的无Anchor多目标跟踪算法,进行SAR运动目标的再聚焦成像,提高了SAR动目标成像效果。