合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动的雷达成像系统,具有全天时、全天候、高分辨率的特点,已被广泛应用于经济、军事等多领域。但是SAR图像中固有斑点噪声的存在严重影响了图像的质量,对SAR图像的理解与解译带来极大挑战。而SAR图像地物分类又是SAR图像理解的重要内容,尽管在该领域的研究取得了丰富的研究成果,但仍然存在着先验知识少、多特征的融合与优化、空间结构信息的有效利用、多特征线性不可分和自适应分类建模等问题,针对上述问题,本文将张量理论、核稀疏表示和自适应核技术有机融合,充分挖掘SAR图像的空间结构信息、利用邻域内的相关性和非邻域内的差异性,对SAR图像多特征提取、融合与分类算法进行深入研究,取得以下研究成果。(1)提出了基于张量分解与聚类的半监督分类算法。基于多特征的SAR图像分类方法存在着空间结构信息缺失问题,如何保留SAR图像结构信息,提高基于特征的识别能力,降低噪声的影响,仍是这一领域的一个挑战。为此,本文首先利用聚类方法来保持图像和张量中的非局部信息,并具有保留空间结构信息的能力。其次,通过分块聚类算法生成多特征SAR图像的多个高阶聚类张量,形成多重流形结构,保留了图像固有的局部与非局部空间结构信息。然后,通过考虑局部结构、标注和未标注的信息,将改进的判别分析和张量分解理论相结合产生簇张量的多个新的投影方向,增强了类内紧致性和类间可分性,提高了基于特征的识别能力。最后基于支持向量机实现SAR图像的分类,并通过实验进行验证分析。(2)提出了一种新的基于多特征和自适应核函数组合的SAR图像分类算法。该算法通过对自适应复合核和复合权重融合策略研究实现对SAR图像的分类。首先,从SAR图像中提取灰度共生,小波能量和属性轮廓特征,构造三个互补的3D特征张量。然后,根据SAR图像的Gamma分布和非负对数似然值,将SAR图像三维特征张量分割成三维特征块,进而利用提出的自适应复合核策略来挖掘每个特征块中的上下文空间信息,并根据每个特征块的空间结构信息自动确定新复合核中的权重。最后,通过构造复合权重的决策融合策略,得到最终的分类结果,并通过对合成和真实SAR图像的实验验证了方法的有效性。(3)提出了基于多特征非局部动态核稀疏表示的SAR图像分类算法。为了解决SAR图像多特征会引起线性不可分问题,该方法首先对SAR图像进行多特征提取,并通过映射和核函数构造不同张量特征的核空间。其次,为了充分利用不同类型特征空间结构信息的局部相似性和非局部信息的差异性,降低非局部信息干扰,对核空间进行张量投影,并基于它构建了多特征非局部动态核稀疏表示模型。然后基于多特征非局部动态核稀疏表示残差构造分类器,实现SAR图像的分类。最后通过仿真和真实的SAR图像进行比较验证。(4)提出基于注意辅助栈式稀疏自编码网络的SAR图像分类算法。为了解决SAR图像标注样本有限、局部空间信息缺失和识别精度问题,首先从原始SAR图像中提取三个不同特征,以此构造注意模块频谱纹理信息特征,且经过降维和Gabor滤波,构成注意模块空间信息。其次,根据真实样本相似性和距离生成虚拟训练样本,解决标注样本不足问题,并和真实样本预训练栈式稀疏自编码网络。然后,通过逻辑回归与栈式稀疏自编码网络结合优化整个深度网络,实现SAR图像的分类。最后通过真实SAR图像进行比较验证。