极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种先进的雷达成像系统,它具有多通道、多参数的特性。与SAR图像相比,,极化SAR图像能包括更为丰富的地物信息和全极化信息。目前,极化SAR已成为遥感领域应用最为广泛的探测手段之一,极化SAR数据也呈现海量增长的态势。因此,极化SAR图像的解译工作已成为极化SAR研究领域的研究热点,其中,极化SAR图像的分类工作更是重中之重,在军用和民用两个方面都发挥着重要的作用。本文在总结了极化SAR的基础理论以及传统的极化SAR图像分类方法之后,提出了一种基于张量和稀疏自编码器的极化SAR分类方法,其内容主要包括如下几个方面:第一,由于本文采用生成每个像素点对应的三阶张量来的方法,表示极化SAR图像T矩阵的原始数据,克服了现有一些方法中将极化SAR图像中的每个点对应于一个散射向量进行处理,使得原本的T矩阵中的数据有所丢失,并且改变了极化SAR数据的多维数组的自然结构的不足,使得本文方法更大程度的保留了原始数据的信息和结构,提高了后续的特征提取和分类的准确度。第二,本文采用计算像素点与相邻像素点间相似度的方法,将邻域信息包含到了每个像素点对应的特征向量中,克服了现有一些方法中没有考虑像素邻域信息,会破坏区域的一致性的不足,使得本文方法更大程度上保留了图像的区域一致性,提高了分类结果的可靠性。第三,本文采用稀疏自编码器提取像素点特征向量中包含的特征的方法,克服了现有一些方法中没有考虑像素点特征向量中元素之间关系,降低了对特征的学习能力的不足,使得本文方法对像素点原始数据所包含的特征的学习能力得到了增强,提高了后续的分类精度。