سیستم های نظارتی در دنیای پر تهدید کنونی نقش بسیار پررنگی برای ایمن سازی سیستم ها از آسیب های ممکن دارند. سازمان ها و مراکز نظامی بدلیل حساسیت و اهمیت ماموریتشان نیازمند بهترین و بادقت ترین سیستم های نظارتی هستند. استفاده از سیستم های خودکار با استفاده از دستگاه های الکترونیکی در این مراکز به سرعت در حال گسترش است. یکی از شاخه های تحقیق در مورد سیستم های نظارتی نظامی شامل سلسله تحقیقاتی می شود که از آن به عنوان شناسایی خودکار هدف نام برده می شود. هدف از این سیستم ها بدست آوردن اطلاعات از تجهیزات نظامی دشمن با دقت و سرعت بالا و همچنین کاهش مخاطرات ناشی از فعالیت های شناسایی برای عامل انسانی است. در این پایان نامه ما به بررسی روش های موجود برای پیاده سازی یک سیستم شناسایی خودکار هدف پرداخته و با ارائه یک روش جدید ، مزایای روش پیشنهادی خود را نسبت به روش های گذشته بیان می کنیم. در این پایان نامه از تصاویر راداری sar به عنوان داده های مورد نیاز برای شناسایی استفاده شده است. سنسورهای sar توانایی تصویر برداری در هر شرایط آب و هوایی را دارند. مطالب این پایان نامه در دو بخش کلی پردازش تصویر و شناسایی الگو دسته بندی می شوند. در بخش پردازش تصویر با استفاده از تبدیل ویولت و عملیات مورفولوژی ، هدف موجود در تصویر را تشخیص داده و آنرا از پس زمینه جدا می کنیم. اما در بخش شناسایی الگو با استفاده از 8 ویژگی از ساختار هندسی هدف و با استفاده از الگوریتم های دسته بندی مختلف ، اقدام به شناسایی نوع هدف میکنیم. روش پیشنهادی ما برای دسته بندی داده ها در این پایان نامه استفاده از الگوریتم های یادگیری ترکیبی است. برای بررسی کارایی روش پیشنهادی با استفاده از داده ها مجموعه داده mstar الگوریتم های مورد نظر را پیاده سازی نموده ایم. نتایج پیاده سازی الگوریتم های مطرح شده در این پایان نامه با سه مورد از مقالات معتبردر زمینه شناسایی خودکار هدف مورد مقایسه قرار گرفت و نشان داد که روش پیشنهادی این مقاله از نظر دقت شناسایی اهداف بهتر از روش های دیگر عمل کرده است.