极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)通过向地面主动发射微波成像,能够获取丰富的地物极化信息,受昼夜、气候等因素的影响较小,因此已在地物分类、目标检测、打击效果评估等领域广泛应用。论文研究的是复杂场景下PolSAR图像飞机目标检测问题。首先分析了飞机在PolSAR图像中表示出来的散射特点,使用这些特点并结合先验知识,分别提出了环境特征与散射特性融合的PolSAR图像飞机目标检测算法和多特征分类的PolSAR图像飞机目标检测算法。基于直接利用特征从PolSAR图像中检测飞机目标的研究思路,提出了环境特征与散射特性融合的PolSAR图像飞机目标检测算法。算法从极化白化滤波(Polarimetric Whitening Filter,PWF)图中提取疑似飞机目标,然后将疑似飞机目标转换成超像素得到混合图像;经极化分解与地物分类后,构造一个新的环境特征,并与散射特征融合得到飞机目标检测特征,通过阈值判别对疑似飞机目标二分类(分为飞机目标和干扰物),得到最终检测结果。利用飞机目标与停机坪、跑道之间的关系,可以在检测过程中使用停机坪、跑道区域滤除区域之外的干扰物。基于这一思路,提出了多特征分类的PolSAR图像飞机目标检测算法。算法分为两个部分:1、线下分类器训练部分。在该部分中,首先使用混合特征选择方法(过滤式(Filter)和封装式(Wrapper)特征选择方法相结合)筛选出分类性能较好的飞机目标极化特征,并使用这些特征训练支持向量机(Support Vector Machine,SVM)分类器。2、飞机目标检测部分。该部分首先构造了异化散射功率,并基于异化散射功率设计算法先后提取停机坪、跑道区域和疑似飞机目标,最后使用线下训练的SVM对疑似飞机目标进行二分类,得到飞机目标。两个算法均使用特征对疑似飞机目标进行二分类,得到最终检测结果。第一个算法不需要训练样本,直接从全图提取疑似飞机目标并判别,但是由于疑似飞机目标数目较多,逐个计算其检测特征时计算量较大,更适用于中小型复杂场景下的飞机目标检测。第二个算法步骤较复杂,并且需要线下训练分类器,但是检测时由于已使用停机坪、跑道区域滤除大量虚警,因此进行检测时计算量较小,更适用于大型复杂场景下的飞机目标检测。两个算法均使用美国的UAVSAR和AIRSAR系统采集的多幅实测数据进行验证,结果表明本文提出的两个检测方法均能有效地检测出飞机目标。