合成孔径雷达(Synthetic Aperture Radar,SAR)图像地物分类是SAR图像解译中的一个重要研究内容,地物分类严重依赖于训练样本的数量以及质量。SAR图像所见非所得,SAR图像样本真值获取困难。如何利用少量的训练样本提高SAR图像分类正确率是当前研究的一个热点问题。本文将主动学习方法用于SAR图像地物分类,主要工作与贡献如下:1)SAR图像真值标注规范研究。SAR图像标注是SAR图像处理中经常被忽视的一个研究内容,然而SAR图像标注却是必不可少的研究内容。本文归纳了SAR图像标注的规范以及流程,针对具体歧义性问题给出了详细的解决办法。该标注规范具有可操作性。2)提出一种基于局部区域样本选择的SAR图像主动学习方法。充分考虑不同样本标注成本上的差异,通过量化不同区域样本的标注成本,实现对样本挑选的约束,以降低标注成本。3)提出了一种结合半监督学习与样本迁移的主动学习方法。通过在q?查询函数中引入带约束的半监督学习,充分利用未标注样本的信息,而不必对挑选出来的目标域样本进行逐个标记,进一步减少标记成本。4)实现了一个SAR图像分类软件平台。以基于主动学习的SAR图像地物分类基本算法为框架,设计实现了SAR图像分类软件平台系统。具有图像主动学习与迁移学习的基本功能。平台在设计时候充分考虑了系统的开放性与可扩展性。