合成孔径雷达(SAR)是遥感领域中一种重要的微波成像工具,机载和宽观测带星载SAR图像具有明显的入射角效应,它是影响SAR图像解译精度的重要原因。极化SAR是一种新型的多参数、多通道成像雷达,能比普通SAR获得更丰富的目标散射信息,极大地提高其图像解译的能力。极化SAR图像分割是极化SAR图像解译过程中的关键环节,在图像工程中占据重要位置。本文针对SAR图像入射角效应校正和多极化SAR图像分割技术进行了深入研究,主要工作内容和贡献如下:1.本文重点阐述了SAR图像中由入射角引起的散射强度偏差问题,在研究了地物后向散射系数与SAR入射角的相关性的基础上推导出了SAR图像入射角偏差场的近似数学关系式。本文还介绍了极化SAR的基础理论,总结了极化SAR数据的表示形式并简要介绍了目标极化特征分解的方法。在此基础上,系统地研究了极化SAR数据的统计分布模型和极化散射特性相似性的度量方法。2.针对SAR图像的入射角偏差场问题,本文研究了现有的SAR图像入射角效应的校正方法,提出了基于多指数模型的入射角偏差场校正方法。实验结果表明,该方法对于SAR图像的入射角偏差场校正是有效的,比现有的SAR图像入射角校正方法具有更好的校正效果,且不需要提供像素的入射角信息。3.在多极化SAR图像分割方面,深入研究了基于马尔可夫随机场(MRF)模型的多极化SAR图像分割方法,同时还研究了ML(最大似然)分割算法以及H/α非监督分类算法。针对像素级MRF分割算法对噪声敏感和运算量大的缺点,研究了区域级的MRF分割算法,并对该算法进行改进,引入了目标极化散射特性的相似性,改善了现有的区域级MRF算法的分割效果。对AIRSAR获取的L波段旧金山全极化数据开展了实验,结果表明了所提算法的有效性。