极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种主动成像雷达,其工作频率低于S波段的微波频段,可避免来自云、雨、尘、雾等物质的影响,同时凭借其主动的工作方式,无需依赖太阳光源,因此可以实现昼夜成像。与单极化SAR不同的是,PolSAR是以散射矩阵的方式来对数据进行存储的,散射矩阵常与不同模型的散射矩阵相关联,因此可以提取地物更加丰富的极化信息。凭借其优点,PolSAR已广泛应用于各个领域,如地物分类、地形绘制和制图、打击效果评估、自然灾害预防等。论文围绕PolSAR图像数据,主要研究了PolSAR在地物分类以及目标检测两方面的研究内容。针对PolSAR图像无监督分类的研究内容,本文主要分析了目前以H/?分解为基础的无监督分类方法所存在的分类精度不足的问题,造成该问题的主要原因是目标内部的结构信息未能得到充分的利用,因此本文提出了H/?分解与散射特性相融合的无监督PolSAR图像分类算法,算法首先利用H/?平面将图像粗分为八类,然后利用散射相似性特征分析目标内部的结构信息,根据目标内部的信息将粗分类的结果进行进一步的划分,最后利用Wishart分类器对初始类进行迭代优化,得到优化后的分类结果,算法在分类细节上有明显的改善。针对PolSAR图像飞机目标检测的研究内容,本文分析了飞机目标的结构特性及其在PolSAR图像中表现出来的散射特性,并结合了飞机目标的停放区域为跑道或者是停机坪这一先验知识,提出了区域筛选与多级特征判别相结合的PolSAR图像飞机目标检测算法,算法首先利用阈值分割方法提取出感兴趣的强散射功率目标,然后利用区域筛选的方法从强散射目标中分离出疑似飞机目标,最后根据飞机目标的特征(PolSAR图像中飞机目标的特征有:飞机目标相对于其所处的区域的散射功率较大,飞机目标所停放的区域具有匀质性,飞机目标的极化交叉熵相对较大)剔除假目标得到最终的检测结果。通过美国航空和宇宙航行局(National Aeronautics and Space Administration,NASA)的UVASAR和AIRSAR系统所采集的实测数据进行实验验证,实验结果验证了本文所提出的分类及飞机目标检测方法的有效性。