近年来,由船舶碰撞与钻井平台爆炸导致的燃料油泄露给生态环境造成了重大损失。为了减少溢油事故带来的危害,众多遥感检测手段与传感器被应用于海洋油膜检测中,其中星载SAR（Synthetic Aperture Radar）又以宽视角、大幅宽,分辨率高和全天时全天候观测的能力而被广泛应用。本研究以海洋溢油为研究对象,利用全极化SAR数据对溢油检测中的关键技术进行了研究,包括全极化SAR影像的相干斑抑制,溢油数据的极化特征提取,以及多特征融合分类等。本文主要的工作如下:1.提出一种基于GAW的极化SAR双边滤波算法。该算法能够利用梯度自适应的选择滤波窗口的尺寸与方向,然后利用Freeman-Durden分解得到的地物散射标记图来计算散射相似性权重,利用Robert算子计算边缘距离相似性权重,并将两者与空间距离相似性权重结合后,利用双边策略在自适应窗口内对待滤波像素进行去噪。利用两景Radarsat-2全极化SAR影像设计了对比实验,并采用六种对比算法与六个滤波评价指标。实验结果表明该方法不仅能够加强对弱边缘的保护,还能够较好的保持结构信息及散射机制,取得了良好的去噪效果。2.基于特征值分解理论提出一种新的极化特征参数。从极化状态、不纯度以及极化特征在溢油影像上的表征三个方面来解释新特征物理机制,发现该特征不仅能够反映集合中不同目标之间的极化状态,还能够描述不同散射类型在统计意义上的不纯度。并利用两景Radarsat-2全极化SAR溢油影像设计了对比实验,实验中采用了五种对比算法与三个特征评价指标。实验结果表明该特征不仅能够较好的区分生物膜与原油,且对极化SAR图像具有更好的抑噪性。3.研究基于多特征融合的小波神经网络分类方法。该方法依据JM距离（Jeffreys-Matusita distance）对特征空间进行筛选,将筛选后的极化特征融合后作为小波神经网络的输入。并利用Radarsat-2全极化SAR影像设计了对比实验,通过与最大似然方法、SVM方法、传统小波神经网络方法以及三特征融合的小波神经网络分类方法的对比,证明了融入新特征的小波神经网络方法对于提高溢油检测精度是有效的。