合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天时、全天候的成像能力,极化SAR是建立在SAR之上的新型雷达。极化SAR通过收发不同极化组合下的电磁波进行地物目标探测,通过分析地物目标的后向散射回波信号获取丰富的地物信息,从而实现对不同地物目标的识别。利用极化SAR数据进行地物识别、提取是当今进行SAR图像解译的重要课题,具有重要的理论意义和实用价值。论文主要研究了子孔径分解和散射机理相结合的极化SAR图像分类方法。首先,本文系统地分析了极化SAR图像分类的国内外发展现状,并对极化SAR的基础理论作了较为详细的阐述,介绍了目前常用的极化SAR图像分类方法,指出了利用全孔径极化SAR图像分类在特征提取和分类器选取中存在的问题。其次,以Cloude分解为例介绍了基于散射机理的极化SAR图像特征提取方法,并分析了极化SAR图像成像过程中目标散射信号随方位向变化的特点,通过对比分析森林、草地和建筑在极化目标分解特征及子孔径特征中的差异,得出子孔径差异特征对地物有更好的区分能力,在此基础上提出了一种新的结合散射机理和子孔径分解的极化SAR图像分类方法。最后,采用基于Cloude分解的Wishart分类方法、基于Cloude分解的决策树分类方法和结合子孔径分解的决策树分类方法,分别对两组极化SAR数据进行了实验,以及定性定量分析。结果表明,针对地物不满足复高斯分布假设的城区,与Wishart分类器相比决策树分类器有较好的分类效果,且生成的决策树容易解译；此外,子孔径特征的加入,可以有效减少森林、草地以及建筑之间的错分,提高分类的准确性。