合成孔径雷达（SyntheticAperture Radar，SAR）作为一种全天时、全天候的微波成像系统在民用和军用方面都发挥着重要的作用。相比于单极化SAR，极化SAR通过不同的天线收发组合形式获取的反映目标特性描述的信息量更大，而且能更加完整准确地揭示目标的散射机理，为充分发掘图像中的目标信息，提高分割、分类、目标检测与识别性能提供了数据支持与保障。变化检测技术作为极化SAR图像处理领域的一个重要分支，在灾情估计、土地利用分析、搜寻救援以及打击效果评估等方面发挥着举足轻重的作用。本文在研究了极化SAR图像处理的基本理论的基础上，利用不同的变化检测特征给出了三种变化检测算法。前两种算法都以加权极化差异度作为变化检测特征量，其主要区别在于加权系数的选取，一种方法是给予所有像素点相同的加权系数，而另外一种方法是给予像素点不同的加权系数，即联合加权极化差异度变化检测算法。除此之外，本文还从极化状态提取入手，给出了一种基于极化状态提取的极化SAR图像变化检测算法，该算法通过选择一种最优极化状态使得不同时相的相同目标的几何散射特性更加一致，以此获得更好的变化检测效果。利用美国UAVSAR系统采集的多视全极化SAR实测数据对各算法进行了验证，并对实验结果进行了比较分析。在不同的应用背景下，人们关注的感兴趣目标是不同的，而人造目标（如飞机、舰船等）往往是关注的焦点。本文最后针对极化SAR图像人造目标进行了初步的研究，首先给出了一种改进的人造目标提取算法，在改进算法中引入了极化对比增强理论和广义Y分解方法，同时又增加了第二判别因子最大特征值比率，利用实测数据对算法进行了实验，结果表明，该算法检测虚警更少、轮廓更加清晰完整。在此基础上，针对特定应用，又给出了针对人造目标的变化检测算法，并详细介绍了算法提出的背景、意义及算法流程，利用实测数据也验证了该算法的有效性。