机场承载着飞机起降、维护等关键任务,是重要的民用和军用设施。跑道是机场的核心设施,对机场跑道的自动检测广泛应用于军事打击、灾害救援、飞机导航等实际问题。合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式成像雷达系统,具有全天时、全天候、强透射性、远距离成像等特点。极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)通过不同的极化收发组合,反映地物目标的极化散射特性。与单极化SAR相比,全极化SAR具有更多的收发模式,可以获取更全面的地物极化信息,进而更好地表征地物的极化特征。因此,PolSAR图像机场跑道检测具有十分广阔的应用前景。本文以美国UAVSAR系统采集的全极化SAR数据为基础,展开了PolSAR图像机场跑道检测问题的研究,具体工作如下:分类是PolSAR图像解译的重要环节,可利用图像分类提取疑似跑道区域,即感兴趣区域(Region Of Interest,ROI)。为了减少分类类别数,同时保证检测准确率,给出一种基于随机森林的机场跑道检测算法。首先在PolSAR图像中人工选取部分像素点作为训练样本;然后计算样本的极化特征,并利用快速相关滤波器(Fast Correlation-Based Filter,FCBF)对极化特征进行优化选择,去掉弱相关和冗余的极化参数,得到优化的极化特征组合;再利用随机森林分类器对图像做二分类,直接提取ROI;最后根据跑道的平行线及结构特征对ROI进行判别,得到最终的检测结果。平行线特征是机场跑道检测的常用特征,但是道路、河流、桥梁等类似地物容易对检测结果造成干扰,因此,给出一种不依赖于平行线特征的疑似跑道区域判别方法。首先在每个独立的ROI区域对应的功率图像上滑窗检测,利用方向梯度直方图(Histogram of Oriented Gradient,HOG)特征描述子提取检测窗口的特征,并利用支持向量机(Support Vector Machine,SVM)对检测窗口进行二分类,生成该区域掩膜二值图像,再将掩膜图像与原ROI二值图做与操作,并以原ROI二值图为基准,计算像素点变动比率,通过变动比率的大小完成对ROI的判别。论文对上述方法进行了实验验证,实验结果显示,得到的跑道区域结构清晰,轮廓完整,验证了本文方法的有效性,且本文提出的疑似跑道区域判别方法大幅降低了检测虚警率。