1、近年來，極化SAR地物分類應用十分廣泛，除了在軍事領(lǐng)域?qū)娛履繕说谋O(jiān)測與識別，在民用領(lǐng)域中對農(nóng)作物普查、環(huán)境監(jiān)測、耕地以及城市用地占用、海洋溢油、船只監(jiān)測也有重要的價值。本文通過對大連市Radarsat-2數(shù)據(jù)以及紐芬蘭海岸SIR-C數(shù)據(jù)進行分析處理，提出了一種尋找最優(yōu)分類特征子集，面向?qū)ο蠓治龅难芯克悸?，它包括極化分解、特征分析、面向?qū)ο蠓治?、馬氏距離和SVM分類算法。
　　本文首先對全極化SAR數(shù)據(jù)做了簡要分析，闡述了其從衛(wèi)星

2、微波信號到計算機圖像的轉(zhuǎn)化。然后，對SAR遙感圖像的各種特征分門別類，主要劃分為三大類，為:直接基于極化SAR原始數(shù)據(jù)的特征、基于目標分解獲取的特征，以及圖像的視覺特征。針對每一類特征都介紹了提取算法并給出了使用理由。再次，對三類特征進行子集劃分，共組合了9個特征子集進行比較從而獲得最優(yōu)子集，并對其進行去冗余化。最后提出了在最優(yōu)特征子集基礎(chǔ)上進行面向?qū)ο蠓治龅乃枷氆@得了理想的分類精度。
　　實驗證明，進行特征分析后，對某一種類型的

3、地物存在最優(yōu)的分類特征子集使得分類的精度以及地物的識別效果比較好，而且具有共性。最后在最優(yōu)特征子集的基礎(chǔ)上進行了面向?qū)ο蠓治?，?guī)避了傳統(tǒng)分類的一些缺點，可以有效地抑制噪聲，提高分類精度，減少各類地物之間的分類混淆。針對現(xiàn)有的圖像分割算法速度慢，對復雜類型的地物分割效果不理想的情況，本文提出了一種先聚類初始分割，后Lambda合并的分類方法，并取得了理想的結(jié)果。鑒于實驗的數(shù)據(jù)還不夠充足，許多結(jié)論為初步得到，進一步的驗證還需要更多的數(shù)據(jù)和實