极化合成孔径雷达（Polarimetric Synthetic Aperture Rader,PolSAR）通过主动发射微波成像,能获取地物的极化信息,具有全天候、全天时工作的高度适应性,同时拥有对地物目标的穿透力较强的特点,因此被应用在目标检测、区域分类、地质勘探、军事打击等各个领域。在21世纪,对飞机目标的检测工作具有特殊的军事意义,针对飞机目标检测算法的研究也逐渐引起各国的学者的重视。本文针对PolSAR图像中的飞机目标检测中自适应性和正确率问题,在解国内外针对飞机目标检测的方法后,又进一步对飞机目标的极化特征以及极化特征提取方法进行研究,针对现有算法中存在的问题给出两种创新算法。算法一针对PolSAR图像的大型复杂场景中相干斑噪声过多、飞机目标外形特征不明显、结果易产生过多虚警的特点,给出一种基于区域提取和极化散射特征融合的检测方法。该算法首先提取机场的跑道、停机坪区域,在提取该区域的疑似飞机目标后结合Yamaguchi相干分解和参考文献提供的数据构造出一个新的特征量进行阈值判决,提取真实的飞机目标;为进一步减少结果中的虚警,利用飞机目标具有背景匀质性的特点对提取结果进行优化。针对算法一中需要提前设置阈值,自适应性有待提高的缺点,论文给出第二种算法:基于特征处理和Pinball损失函数支持向量机的飞机目标检测方法。在Pin-SVM线下训练部分,首先对原始的多个特征进行筛选,提取出分类性能较好的最优特征子集,同时为进一步削弱特征噪声的影响,在原始的SVM中引入Pinball损失函数。在飞机目标检测部分,算法二继承算法一优点,为提高检测结果准确性,首先提取跑道和停机坪区域并确定区域内的备选目标,提取它们的特征送入已经训练好的Pin-SVM中得到最终的检测结果。论文中的两种算法均是先进行机场跑道、停机坪的区域提取和疑似飞机目标检测,之后利用极化特征检测真实的飞机目标,均适用于大型复杂场景。第一种算法较为简单,不需要预先进行线下训练,可直接对图像中的疑似飞机目标进行特征判决得出结果,但需要提前设置阈值。算法二首先要进行线下训练,需要构造样本,进行特征筛选,但在训练好Pin-SVM分类器后不需要人工设置阈值,可直接进行飞机目标的检测。两种算法在实验阶段均使用AIRSAR和UAVSAR所提供的多组具有大型复杂场景的实验数据进行验证,结果显示算法一、二均能有效的检测出PolSAR图像中的飞机目标。