本文的主要工作是基于合成孔径雷达(SAR)图像实现对地面目标的分类识别。由于原始的SAR图像中存在许多背景杂波和噪声,会严重影响对雷达目标的分类。因此本文首先进行SAR图像的预处理工作以去除背景杂波和噪声。主要步骤有:对数变换、自适应阈值分割、形态学滤波、几何聚类处理、图像增强、归一化处理以及方位估计。其次,张量的引入有利于小样本问题的解决。张量主成分分析(TensorPCA)和张量线性判别分析方法(TensorLDA)把样本在张量域进行降维处理,提取样本的特征,相对于向量,有效的保留了样本的结构信息,更充分的利用收集到的信息,有助于提高学习性能。现有的支持张量机(STM)基于迭代的方法求解,其计算量较大且泛化能力较差。最后本文根据Fisher准则,将最优投影应用到多分类器中,提出应用于STM的最优投影算法。本文介绍了两种在最优投影算法中确定最优投影的方法。这两种方法分别是:每个子分类器的训练样本都向同一个方向投影;每个子分类器确定不同的投影矢量,然后训练样本分别向各自的投影矢量上投影。最后,本文应用多分类的策略(一对一,一对多,有向无环图)对最优投影后的样本进行分类。实验结果表明本文提出的最优投影STM多分类算法与原始的迭代算法相比,学习速度得到大幅度的提高,而且本文算法在使用同一投影方式来确定投影矢量时,识别率与原始的迭代算法相当。