人造目标检测是遥感数据应用的重要环节,是灾害救援、军事侦察等应用的基础,检测性能与速度的优劣直接影响到后续的实际应用。众多遥感数据中,PolSAR为主动成像,具有全天时全天候的特点,这在目标实时检测应用中具有极大的优势。目前PolSAR图像的获取能力获得了极大的提升,图像覆盖区域以及数据量越来越大,这为PolSAR图像目标检测应用提供了数据基础。然而,传统算法大多关注精度指标,当图像数据量过大时,检测处理耗时也随之大幅增加。而以人造目标检测为基础的诸多场合中,则需要在有限的时间内完成相关工作,这对大场景PolSAR图像人造目标检测提出了处理速度上的要求。如何在精度满足要求的条件下,高效完成大场景PolSAR图像的人造目标检测成为研究面临的主要问题。本文以大场景PolSAR图像人造目标检测为主要研究内容,首先从PolSAR图像表征形式与人造目标特性分析入手,明确了人造目标在PolSAR图像中的具体特征,在此基础上进行基本检测理论的研究。随后对传统的目标提取算法进行了加速优化,并设计了基于快速Wishart计算的检测算法。然后进行了图像均匀度描述因子特征的设计,该特征具有目标区域提取的能力,且提取速度与传统纹理特征相比获得了较大的提高。利用图像均匀度描述因子特征,设计了三种基于该特征的极化目标检测算法。根据图像信息使用量的不同,三种算法具有不同检测性能以及检测速度,以适应不同的精度以及效率需求。最后选择实验数据,分别进行陆地环境人造目标检测以及海洋舰船目标检测实验,并从目标检测精度、重点目标检测情况以及处理时间三个方面对算法进行评价。实验结果表明,本文设计的四种检测算法均具有大场景PolSAR图像人造目标检测能力。其中,基于快速Wishart计算的检测算法其性能与监督信息选取相关,具有较大的性能提升潜力。基于图像均匀度描述因子特征的三种检测算法,能够在较短的时间内完成人造目标检测任务,且检测精度比传统方法更高。三种检测算法对图像信息的使用量不同,其检测性能与处理速度具有较大的差异,能够适应不同的精度与效率要求。