合成孔径雷达(synthetic aperture radar, SAR)以其全天时、全天候、穿透云雾雨区的独特优势,在遥感领域发挥了重要的作用。目前随着SAR硬件技术的迅速发展,以及理论方面的完善,关于SAR数据的研究正成为遥感领域研究的热点。大部分SAR都安装有水平极化天线(H)和垂直极化天线(V),根据发射极化脉冲和接收极化脉冲的方式可以分为HH极化(水平极化发射和水平极化接收)、VV极化(垂直极化发射和垂直极化接收)、HV极化(水平极化发射和垂直极化接收)、VH极化(垂直极化发射和水平极化接收)。根据极化方式,SAR可以分为单极化SAR、双极化SAR和全极化SAR。通常又将全极化SAR称为极化SAR(polarimetric synthetic aperture radar, PolSAR)。PolSAR包含HH极化、HV极化、VH极化和VV极化四种极化。由于PolSAR以散射矩阵的形式记录多种极化方式下地物的返回波,因此可以通过PolS) AR数据获得更多的地物信息。本文主要进行关于面向对象的PolSAR数据分类的研究。近年来,面向对象的分类方法被越来越多的人认可,特别是针对PolSAR这种被斑点噪声严重干扰的数据。面向对象的分类相当于给对象内的数据做了一次多视处理,降低了斑点噪声对单个像素的影响,其分类精度要明显高于基于像素的分类方法。面向对象的PolSAR数据分类一般包含构建极化特征、分割图像、选择分类器分类三个步骤。用于PolSAR数据分类的极化特征主要来源于多种极化分解,基于Kennaugh矩阵的分解,包括Huynen分解、Barnes分解；基于特征矢量的分解,包括Cloude分解、Holm分解、van Zyl分解；相干分解,包括Pauli分解、Krogager分解、Touzi分解；基于模型的分解,Freeman-Durden分解、、Yamaguchi分解、Neumann分解。本文实验还有来自于极化总功率和相干矩阵的极化特征。本文第2.3节通过利用极化特征进行了分类实验,并对分类结果进行了精度评价和分析。面向对象的分类方法,必须要进行图像分割这个步骤,得到一个个对象,本文采用了分水岭分割方法来获取对象的。本文针对PolSAR数据的斑点噪声特征,对分水岭分割过程中梯度预处理步骤进行改进,加强分割效果。具体实现方法为通过将RGB彩色图像3个通道的梯度值与阈值进行比较,确定最终整幅图像的梯度值。此外,分水岭分割法一般存在过分割问题,需要进行区域合并,而区域合并时需要给定一个阈值来终止合并过程。针对该问题,本文提出了一种自适应阈值法来确定区域合并的区域距离阈值。本文首先分析了同一个全极化数据中每种地物区域距离的分布情况,发现每种地物的区域距离近似呈现一种正态分布。另外在理想情况下,相同地物的相邻区域的颜色应该是相同的,即区域距离应该为0,那么实际数据中相同地物的非零的区域距离就可以看作是一种误差。本文确定区域距离阈值的具体做法为,由误差理论知识求得每种地物区域距离的或然误差,将或然误差作为每种地物进行区域合并的合适阈值,最后将全部地物的合适阈值进行加权处理得到整个全极化数据进行区域合并的阂值。支持向量机分类器分类精度高,但是适合PolSAR数据分类的极化特征很多,而面对大量极化特征时,支持向量机分类器无法自适应选择合适的特征,导致分类效率降低。本文提出将决策树分类器和支持向量机分类器结合起来进行分类,首先利用决策树分类器可以挖掘数据之间潜在关系的特性,选择出对分类最有利的极化特征,然后利用这些极化特征来训练支持向量机分类器,这样既保证了分类结果的精度,又提高了分类效率。本文实现了一套面向对象的PolSAR数据分类的流程。对获得“对象”的关键步骤分水岭分割进行了改进,改善了分割效果,还提出了一个自适应阂值的方法来获取进行区域合并的阈值,最后提出了结合分类效率较高的决策树分类器和分类精度较高的支持向量机分类器进行分类的方法。