1、極化SAR具有全天候、全天時、多波段、多極化等獨特的成像特點，能夠提供大面積高分辨率成像。深入研究極化SAR圖像的后處理和解譯，可以從中提取更多有價值的信息，應(yīng)用于環(huán)境監(jiān)測、地球資源勘測和軍事系統(tǒng)等。
　　極化合成本身沒有帶來直接的關(guān)于地表的新信息，但可以凸顯成像目標的一些特性。對極化SAR數(shù)據(jù)進行目標分解，得到的極化散射特性，可以用于極化SAR影像地物分類。但是，單一特征或目標分解不能充分和可靠的識別具有類似散射機制的不同的地物

2、或者不同散射機制的相同地物。因此我們綜合利用多個極化SAR數(shù)據(jù)目標分解，可以得到許多的極化特征，通過將這些特征結(jié)合，能夠有效的提高分類正確率。但是這么多的特征，并不是所有的特征都對分類起作用，極化特征間存在冗余信息，只有很少的特征和隱藏在特征中的信息發(fā)揮主要作用。那么我們就需要從眾多的原有的特征中挖掘出對分類有效的特征，減少特征之間的冗余，即進行特征約簡（也稱作降維）。本論文提出了幾種半監(jiān)督降維的方法用于極化SAR地物分類，主要包括以下

3、三方面的內(nèi)容：
　　1．提出了一種基于空間信息的半監(jiān)督降維方法，是對有監(jiān)督方法LDLE（Linear discriminative Laplacian eigenmaps）的半監(jiān)督推廣。同時充分考慮了極化SAR圖像的空間信息。該方法在極化SAR地物識別上，取得了很好的分類效果。另外對拉普拉斯Laplacian矩陣進行相應(yīng)的分塊，減少了運算量。
　　2.提出了基于子空間學(xué)習的半監(jiān)督降維方法用于極化SAR地物分類。首先將極化SA

4、R圖像上每個像素點的空間K近鄰和極化特征表示成二階張量的形式。然后利用樣本的標簽和流形學(xué)習構(gòu)造圖。并且保留無標記樣本的流形結(jié)構(gòu)。最后通過廣義特征值問題，求取最優(yōu)投影矩陣。該方法具有更高的極化SAR地物分類精度。
　　3.提出了基于空間信息的半監(jiān)督深度學(xué)習方法。該方法首先對極化SAR圖像的Pauli圖進行超像素分割得到超像素塊，并與每個像素點的空間鄰域相交取均值代替該像素點，能夠在一定程度上解決不同類別交界處像素點的標簽信息。然后通