合成孔径雷达技术已成为地球观测的重要手段之一。SAR的独特优势使其在测绘、军事、灾害、地质、农业、林业等领域具有十分重要的应用价值,而如何快速准确地解译SAR图像也成为了重要的研究课题。本文针对高分辨SAR图像分类问题,基于判别融合特征和邻域信息改进SAR图像分类方法。该方法利用强度比特征的细节捕捉优势弥补传统纹理特征的不足,并加入上下文邻域信息作为SAR图像后处理方法来优化分类结果。本文主要工作如下:(1)建立了一种基于指数统计的强度比直方图特征提取方法。通过计算图像块的强度比去除了SAR图像特有的乘性噪声。然后对强度比特征分布进行分析,通过合理的加入统计分布以及采用指数间隔直方图统计策略,有效地捕捉到了细节信息,尤其着重采集到边缘信息,改善了Gabor特征和灰度共生矩阵特征边界能力差的缺点。(2)建立了一种基于融合策略的判别特征学习方法。通过强度比直方图特征进行集成学习提取新的判别特征。因同时加入有标签样本和无标签样本共同学习,而使提取的特征更好地作用于分类。同时采用融合特征策略,将判别特征与纹理特征相结合,如此优势互补使均质区域错分像素点大量减少,同时可以保持较好的边缘特性。(3)建立了一种加入邻域上下文信息的SAR图像后处理方法。加入邻域信息的图像后处理方法对边缘保持效果很好,与强度比直方图特征的边缘捕捉能力相结合,二者的联合作用使得地物中细小地物的精度得到显著提升,采用融合特征的方式结合Gabor纹理特征,避免地物特征过于细化,使地物分类中对范围较广的均质性地物和细小地物均有正确的划分,解决了纹理结构特征在SAR图像地物分类中对边缘平滑整齐的地物无法有效捕捉边缘以及对细小地物敏感度低的问题。