1.多层次结合的多视合成孔径雷达图像目标识别方法，其特征在于：包括以下步骤：

步骤1，对采集到的N幅未知目标的同类不同方位角下的多视合成孔径雷达目标图像xk，k=1,2,…N进行图像预处理；

步骤2，对预处理后的每一幅合成孔径雷达图像用小波分解和主成分分析进行特征提取，提取得到代表该幅图像的多维特征矢量；

步骤3，用经过训练的支持多目标分类的支持向量机对步骤2得到特征矢量进行分类，得到该幅图像xk，k=1,2,…N属于某个目标类别q的后验概率p(q|xk)；

步骤4，对预处理后的多视合成孔径雷达目标图像xk，k=1,2,…N在数据层用凸集投影超分辨率重构算法重构一幅高分辨率雷达图像xc，xc的分辨率是xk，k=1,2,…N的2倍；

步骤5，对重构后的高分辨率图像用小波分解和主成分分析进行特征提取，提取得到代表该重构图像的多维特征矢量；

步骤6，用经过训练的支持多目标分类的支持向量机对步骤5得到的特征矢量进行分类，得到该重构图像xc属于某个目标类别q的后验概率p(q|xc)；

步骤7，将步骤3得到的每幅图像的后验概率p(q|xk)，k=1,2,…N和步骤6得到的重构图像的后验概率p(q|xc)用带权重的贝叶斯决策融合方法进行决策层融合，得到该多视合成孔径雷达目标图像的目标类别。

2.如权利要求1所述的多层次结合的多视合成孔径雷达图像目标识别方法，其特征在于：所述步骤1中，预处理包括图像截取，噪声处理，幅度值归一化处理，以及合成孔径雷达图像中目标方位角估计。

3.如权利要求1所述的多层次结合的多视合成孔径雷达图像目标识别方法，其特征在于：所述步骤4中，在数据层使用的凸集投影超分辨率重构算法包括：选择一幅合成孔径雷达图像作为参考图像，采用插值算法将其构造成为分辨率为原分辨率2倍的参考帧，作为超分辨率图像的初始估计；设置迭代次数，对每一幅低分辨率合成孔径雷达目标图像进行运动补偿，残差计算和像素值修正，得到一幅分辨率为原分辨率2倍的凸集投影超分辨率重构图像。

4.如权利要求1所述的多层次结合的多视合成孔径雷达图像目标识别

方法，其特征在于：所述步骤7中，带权重的贝叶斯决策融合方法包括：计算其中，p(q|xk)是单幅图像xk，k=1,2,…N经过支持向量机分类得到的属于类别q的后验概率，p(q|xc)是重构图像xc经过支持向量机分类得到的属于类别q的后验概率，wk是单幅图像后验概率的权重，这里wk=1,k=1,2,…N，N为不同方位角下的多视合成孔径雷达图像总数，wc是重构图像后验概率的权重，由于重构图像包含了N幅合成孔径雷达图像的信息，所以1≤wc≤N；最终的类别决策为： Q为目标类别总数。