作为一种主动式微波传感器,合成孔径雷达(Synthetic Aperture Radar,简称SAR)以其不受光照和气候条件等限制实现全天候全天时对地观测的特点,在民用和军事领域都有其得天独厚的优势。随着多极化多波段技术的发展,针对之前单极化影像提取特征单一的问题和全极化影像相较于单极化影像虽损失了部分分辨率信息却蕴含了更加丰富的地物极化散射信息的优势,本文以单极化强度影像和全极化影像为研究对象,分别提出了基于强度影像的多特征加权融合的建筑物检测方法和基于全极化影像的引入特征约束的保持极化散射特性的建筑物检测方法,并在强度影像检测结果基础上进行了整体建筑区的轮廓提取。论文主要包括以下几个方面:(1)SAR影像上建筑物典型特征分析。研究分析了建筑物的典型成像效应,在此基础上分析了建筑物到SAR影像上投影关系,为后续的研究提供了理论基础。(2)基于单极化强度影像,提出了一种综合统计和结构多特征加权融合的建筑区提取方法,分别采用经典的灰度共生矩阵方法提取统计纹理特征和采用变差函数方法提取结构纹理特征,并考虑方向信息,然后利用提出的巴氏距离特征权值计算方法,将所选特征进行加权融合,利用K均值聚类算法对融合后的特征图像进行非监督分类,对分类图像进行后处理并提取外部轮廓。实验表明该方法能够有效高精度地提取高分辨率机载SAR影像中的建筑区。(3)基于全极化SAR影像的极化散射信息和纹理信息,旨在更加全面地检测出平行建筑物和定向建筑物,提出一种引入特征约束的保持极化散射特性的建筑物提取方法。利用Yamaguchi分解将图像像元初步划分为三种主散射类型,然后利用引入的极化方位角均值特征和分析极化总功率图得到的熵值特征作为约束指标,通过分析得到具有分离性的阈值,将体散射类型混入的定向建筑物像元重新划分到偶次散射类别中,将重新划分的三种散射类型作为Wishart分类器的初始输入分类特征进行极化分类,最后通过类别合并提取出建筑物。通过与基于Yamaguchi分解的提取结果进行对比分析,表明本文提出的方法更能适应具有定向建筑物的复杂场景,提高了建筑物整体的检测精度。