具有全天候全天时远距离实时探测、定位、分类与识别等能力的极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,简写为POLSAR)系统对敌方的战场态势既能纵观全局，又能明察秋毫，已日趋成为国家战略性信息资源的重要获取渠道，在军用／民用方面都有着广阔的应用前景。然而，如何有效评估POLSAR图像目标的检测、判读与识别性能，衡量POLSAR系统的整体性能，优化选择POLSAR的工作模式和系统参数，已成为进一步开展POLSAR研究的基础性问题。同时，在获得实测或模拟数据之后，如何从图像数据中充分提取目标信息，开展POLSAR军用目标检测、分类与识别新方法的研究日渐成为我国新一代合成孔径雷达技术进一步发展的强劲需求。 本文正是基于上述背景，着重研究了POLSAR的图像模拟技术、目标检测以及目标分类与识别等三个方面的问题。具体研究内容和主要的创新点有以下几个方面。 (一)在POLSAR的图像模拟方面：针对中低分辨、高分辨两种条件，分别给出了POLSAR的目标／杂波的复高斯型模型、杂波的Gamma乘积型模型以及确定性目标模型；建立了POLSAR点目标的相干视频回波模型，提出了复高斯型和Gamma乘积型杂波的图像模拟方法，并探讨了在有源干扰条件下POLSAR图像模拟问题。本文提出了POLSAR图像点目标和杂波分别模拟的方法，在不降低模拟精度的前提下，大大提高了模拟的速度；首次从天线方向图、极化通道耦合、杂波极化通道相关性等方面研究了POLSAR图像模拟与一般SAR图像模拟的区别。 (二)在POLSAR目标检测方面：首先概述了包括最佳极化检测器、极化白化滤波器、极化匹配检测器、张量检测器等典型的极化检测算法，比较了它们的相干斑抑制和检测性能。在建立Stokes子矢量统计分布模型的基础上，提出了一种基于Stokes子矢量的似然比目标检测方法。仿真实验表明，与能量检测器相比，本文提出的算法检测性能提高了近2.5dB。 (三)在POLSAR目标分类与识别方面：首先回顾了极化目标分解方法以及基于极化目标分解的POLSAR目标分类方法；然后着重针对部分相干目标分解(PCTD)分类方法，提出一种基于特征优选的POLSAR目标分类算法，该算法既利用了PCTD目标分解的结果，又很好的利用了先验信息，可以适应目前PCTD分类方法不具有的对目标进行精细分类的要求。利用NASA／JPL的AirSAR实测极化数据的实验结果表明，本文所提出的改进算法对目标的正确分类率达到95.7％。