极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种观测地物的成像系统,也被称为综合孔径雷达。它的工作原理是通过雷达系统与目标的相对运动将真实的天线孔径数据合成等效的大尺寸天线孔径,然后进行目标监测,可以实现在能见度极低的气象环境下获取高分辨的雷达图像。相对于其它光学成像系统,极化合成孔径雷达具有高分辨率,较强的伪装识别能力,穿透力强等优势,它可以避免受到云雨,尘雾,光照等各种天气条件的影响,从而完成对目标进行全天候全天时的监测。在国家重要的航空基础设施中,机场作为承载着飞机起降,定位,维护等关键任务的典型设施,在军事、民用等各个领域上都具有极其重要的战略意义。跑道作为机场的核心设施,是机场检测中最具参考性的特征,可以通过检测跑道从而实现对机场的检测。本论文通过对极化SAR图像散射特性的研究,提出了两种算法来实现在极化SAR图像下的机场跑道区域检测。第一种算法提出了一种基于差异度的极化SAR图像机场跑道区域检测方法。算法中首先采用了SLIC(Simple linear Iterative Clustering)即简单线性迭代算法对极化SAR图像进行超像素分割;然后利用新三分量分解结合极化散射熵对分割后的图像进行粗分类,再利用改进的K均值进行聚类,接着计算差异度完成迭代聚类,实现图像的精分类,最后根据跑道的散射特性和几何结构特征从分类结果中提取完整的机场区域,在提高计算效率的同时,也保持了完整的图像细节。第二种算法在传统的极化SAR机场跑道辨识部分作了改进,提出了一种新的识别方法,将极化SAR图像散射特征结合纹理特征即LBP(Local binary patterns)特征对跑道区域进行辨识。首先利用基于异化散射特征的阈值分割方法对极化SAR图像进行处理获取疑似跑道区域ROI(Region of interest),然后在该区域构建LBP特征送入到SVM分类器中进行分类,接着对机场跑道进行检测识别,最终得到真实的机场跑道区域。利用美国UAVSAR系统采集的多组极化SAR数据对上述两种算法进行实验检测,结果表明这两种方法都可以准确地检测出真实的机场跑道区域,结构完整,且边缘清晰,虚警和漏警率低。但是第二种方法在计算效率上更高,耗时较短,目标检测虚警率更低。