合成孔径雷达(Synthetic Aperture Radar,SAR)利用微波成像技术,具备全天时、全天候侦测远距离目标的特点,在民用和军事等领域表现出优越的性能。随着SAR成像技术的发展,获得的SAR图像分辨率越来越高,如何对高分辨SAR图像进行有效分类已成为目前的一个重要研究课题。本文主要针对高分辨SAR图像,采用传统分类方法和基于深度学习的分类方法实现地物分类。对于传统分类方法,本文分别提取基于像素点和基于超像素的纹理特征,随后选用合适的分类器分类;对于基于深度学习的分类方法,本文以反卷积网络为基础网络,并分别引入更充分的多尺度特征和二阶协方差特征对上述网络进行改进,提升分类性能。最后,本文通过开发SAR图像地物分类软件集成上述算法,使得具备更高的应用价值。论文的主要工作包括以下三个方面:1.基于纹理特征的SAR图像地物分类。首先基于像素点,提取受相干斑影响较小的多级局部模式直方图(Multilevel Local Pattern Histogram,MLPH)特征,针对采用滑窗方式提取MLPH特征耗时长的问题,结合适用于SAR图像的SAR-SEEDS超像素分割算法,提升了运算速度。最后选用支持向量机(Support Vector Machine,SVM)进行特征分类,并采用将不同尺度下超像素分割的分类结果进行融合的方式,使得分类性能得到提升。2.基于反卷积网络的SAR图像地物分类。本文选用反卷积网络,利用卷积层提取特征,并利用反卷积逐层恢复至原图尺寸,得到像素级别的分类结果。在上述网络的基础上进行两点改进,第一,利用空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块对每一特征层提取相应的多尺度特征,并分别与其对应反卷积层的输出结果相融合,更充分利用图像的多尺度信息,提升了分类准确率;第二,计算特征图之间的协方差矩阵作为图像的二阶统计量,更充分描述了图像的特征,使物体分类更准确,进一步提升了分类性能。3.SAR图像地物分类软件。软件使用MATLAB、Python、C++语言混合编程,实现对SAR图像的地物分类。软件主要包含数据读取、预处理、地物场景分类以及辅助功能四个功能模块,其中地物场景分类模块为软件的核心模块。软件各模块之间相互独立,并留有扩展模块接口,为用户提供便利。