极化合成孔径雷达(Polarmetric SAR)作为一种先进的高分辨率雷达遥感工具,不仅具备传统SAR全天时、全天候工作的优势,还具有能获得多通道极化图像的独特优势。通过处理目标区域的多通道与高分辨率数据,可以更好的确定和理解目标的物理散射特性。从目标的散射机理入手,有利于提高极化SAR图像分类和识别的效率。但是由于SAR和极化SAR系统都是基于相干成像原理的雷达系统,在接收目标地物回波时不可避免的会形成相干斑噪声。这些噪声严重影响了图像分类和目标信息提取的过程,因此相干斑抑制成为极化SAR图像处理的第一步也是关键的一步。本文主要研究极化SAR图像相干斑抑制及其对分类精度的影响。从相干斑抑制入手,针对不同的滤波算法进行分析,再选用典型的分类方法进行分类,研究不同滤波算法对分类精度的影响。文章首先介绍了目标散射特性及不同极化散射特性物理量之间相互转化的关系,并且分析了极化SAR图像中目标特征量提取的方法；选用Flevoland地区的全极化数据,分别使用精致Lee、Sigma和Boxcar滤波器以及不同的滤波窗口进行滤波处理,结合相干斑抑制的评价指标,对不同滤波器的效果进行了定量评价,研究了不同滤波器以及窗口变化对相干斑抑制性能的影响。在分析支持向量机分类原理和方法的基础上,设计了基于SVM的极化SAR图像分类实验。分别采用精致Lee、Sigma和Boxcar三种滤波方法对两组不同场景的极化SAR数据进行滤波处理,再利用SVM分类器进行监督分类。结果表明：(1)在极化SAR图像分类中,选取合适窗口的滤波方法对极化SAR图像进行相干斑抑制可以明显的提高分类精度,是保证分类精度的关键步骤。(2)在均匀场景的分类中,三种滤波的分类精度会随滤波窗口的增大相应的提升,且窗口大小为7×7时可以兼顾较高的分类精度和分类效率,Sigma滤波后的分类精度和分类效果要优于其他两种滤波。(3)对于复杂区域的分类,目标地物的细节及边缘信息是影响分类的重要因素。窗口的增大会模糊目标地物的细节及边缘信息。小窗口的滤波处理更适合此类场景的分类。其中3×3窗口的精致Lee滤波可以得到较好的分类结果。