极化合成孔径雷达(Polarimetrie Synthetie Aperture Radar，POLSAR)是一种先进的成像雷达系统，具有通道多、参数多的特征。与单极化SAR图像相比，极化SAR图像包含更丰富的地物信息和全面的极化信息。极化SAR已经成为遥感领域应用最广泛的传感器之一。因此，极化SAR图像解译已经成为当今社会的研究重点，而作为其中的重要内容，极化SAR图像分类，更是成为重中之重，在民用和军用领域均有着巨大的应用价值和理论意义。本文在研究极化SAR基础理论和总结传统的极化SAR分类方法后，将重点放在极化SAR无监督分类，分别提出来基于像素和区域的极化SAR分类。主要包括以下几个方面：(1).本文提出了类别自适应的无监督极化SAR图像分类。利用Freeman分解和同极化比对图像进行初始划分，然后用交叉极化比进一步细分更多类别，之后用可视化聚类趋势估计算法(VAT)和黑框识别算法(DBE)获得聚类数目和聚类中心，最后在此基础上对整幅图像进行复Wishart迭代分类。该算法是基于像素的无监督算法，充分利用极化信息，可自动确定类别数目，思想较简单，具有较高的分类精度。(2).本文提出了一种新的产生极化SAR超像素方法。首先，提取四种极化特征，计算梯度，然后，恒虚警率（CFAR）方法求极化SAR边缘进行梯度修正，用分水岭算法获得初始区域结果，最后对相似区域进行合并得到最终的超像素。实验结果较好,边缘吻合也较好。在此基础上，本文提出了一种基于改进分水岭的无监督分类方法。该算法更好的利用了极化特征、统计特征和极化边缘特征，首先，利用基于像素的分类方法获得简单的初始分割，然后，提取四种极化特征，用产生极化SAR超像素的方法产生区域，之后用K-Wishart迭代算法对所有区域分类，最后，用边缘惩罚策略对区域边缘点标号，得到最终的分类结果。该算法分类精度较高，充分利用了极化特征和像素空间相关性，获得了较好的分类结果。