极化合成孔径雷达(Pol SAR)可以利用不同极化通道的SAR复图像区分物体的细致结构和目标指向等特性,对SAR图像中的典型目标进行特征提取与分类,在遥感领域具有广泛的应用前景。论文主要研究Pol SAR图像的人造目标信息的提取,重点围绕极化目标分解和Pol SAR图像分类地研究。首先,本文对目标的极化特征和目标分解方法进行研究,包括基于散射矩阵的相干目标分解(Pauli和SDH分解)、基于特征值的非相干目标分解以及基于散射模型的非相干目标分解(Freeman和Yamaguchi分解)等方法。基于不同极化分解方法,研究各极化分量对分类目标的敏感程度,为进一步研究Pol SAR图像的目标特征提取和目标分类奠定基础。本文利用EMISAR的Pol SAR数据进行试验,研究目标分解方法的效性。分解得到的各散射成分作为主要特征用于的人造信息目标提取和Pol SAR图像目标分类。其次,在Pol SAR图像分类中,利用支持向量机(SVM)适用于小样本数据训练的良好的特性和极化分解的特征分量散射特性,本文提出了基于SVM“一对一”的Pol SAR图像分类算法,完成对Pol SAR图像进行建筑、森林、河流和农田的分类。实验表明,该算法能够较好地对Pol SAR图像中的目标类型进行区分,并能够快速检测出人造目标建筑物,对于Pol SAR图像的分类和人造目标检测具有一定的适用性。