极化SAR具有全天时、全天侯工作特点,同时SAR影像具有丰富的极化信息和纹理特征,被广泛应用于民用及军事领域。SAR影像的解译是它在诸多领域的应用基础,其涉及内容较多,其中极化SAR的分类是关键步骤之一。选取合适的SAR影像特征是获得高精度分类结果的关键,往往一类影像特征仅能反映地物的一方面信息,而多种特征的结合更能突出地物之间的细微区别,更有利于获取准确的分类结果。鉴于SAR影像的纹理特征和极化特征在表现地物特征方面的互异和互补性,本文研究结合纹理特征和极化特征进行SAR影像分类的方法,弥补用单一特征进行影像分类的不足和应用限制。主要工作和贡献体现在以下几个方面：1)深入研究了SAR影像的纹理特征提取。从灰度共生矩阵和框架小波变换两个方面研究SAR影像纹理特征的提取方法,并对特征提取过程中的参数问题进行了一定分析。应用均值、直方图、相关系数、类分离度方法分析了纹理特征对地物的区分能力。2)对典型地物的散射机制进行了深入的分析。从极化分解、极化合成、协方差矩阵元素三个方面提取SAR影像的极化参数,对典型地物在极化参数上的不同表现进行定性、定量的分析。3)总结了基于支持向量机的目标识别原理,给出基于支持向量机的SAR影像多类分类问题的处理方法。4)研究了基于SVM的全极化SAR影像分类方法。从区分地物的角度出发选择合适的纹理和极化特征,进行了根河地区的影像分类实验,并对分类结果进行精度评价和对比分析,具体分析了GLCM纹理和小波纹理对影像分类精度的影响。