作为SAR数据解译的一个重点研究方向,极化SAR图像分类具有重要的研究意义和实用价值。本文以高分辨率极化SAR遥感图像为实验对象,深入研究了SAR图像降噪技术和极化SAR图像监督分类技术。针对经典降噪算法自适应性较差的特点,引入了非局部均值滤波算法,并将之改进用于SAR图像滤波。对于以像素点为分类单元的经典分类算法的不足,本文采用空间金字塔分类方法,加入像素点周围的极化信息和纹理信息进行分类,并对特征编码部分做出了改进。在L波段的AIRSAR极化数据实验中,达到了预期的分类效果。论文的主要工作如下：在SAR图像降噪技术的研究中,本文采用了非局部均值滤波算法。针对SAR图像噪声的特点,引入预选择和二维主成分分析(2DPCA)对其进行改进,大幅提高了图像质量,并且克服了传统降噪算法自适应性差的缺点。将本算法应用到仿真SAR图像和阎良地区SAR图像降噪处理中,验证了算法的有效性。实验最后对算法复杂度进行了分析。本文着重对空间金字塔分类算法进行了研究,阐述了BoF算法和金字塔匹配核的基本理论,以及空间金字塔匹配在分类中实现的基本步骤。针对矢量量化在特征编码和算法效率方面的不足,将稀疏编码算法引入空间金字塔模型,降低了分类器训练时间。对几种经典的稀疏优化算法和学习字典训练方法进行实现,并给出了它们的具体步骤。在旧金山地区的极化SAR数据上,将稀疏编码算法与空间金字塔结合用于分类,对比分析了MOD字典和K-SVD字典对分类结果的影响,验证了K-SVD字典的快速有效性。对于稀疏编码规则在分类中存在的一些问题,研究了局部线性约束(LLC)优化编码算法在金字塔分类中的应用,并给出本文算法的整体实现步骤。提取了二十种常用极化特征,对它们进行稀疏表达用于分类研究。在荷兰Flevoland的极化数据上,分别使用了正交匹配追踪(OMP)和LLC优化编码算法,将所得特征代入空间金字塔结构中进行分类实验。通过分析该地区八种地物的分类正确率,与多特征SVM分类结果进行对比,证明了稀疏编码金字塔在分类中的有效性；与基于OMP编码的分类结果对比,表明基于LLC编码的分类算法在极化SAR图像分类中的优越性能。实验最后对OMP和LLC的参数影响进行了讨论与分析。