极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种先进的主动对地观测设备,对植被、浅海等具有一定的穿透能力,对感兴趣目标能进行全天时、全天候侦察,其系统获取的数据能完整准确地表征目标的极化散射特性。因此极化SAR图像在国民经济、国防等众多领域得到了广泛应用。本文以飞机为检测目标对极化SAR图像进行解译,在对飞机目标形态特征和极化散射特征研究的基础上,给出两种飞机目标检测算法。第一种算法先利用跑道样本分别计算功率图像与T22通道图像的杂波区分度参数并进行融合,再结合Cloude分解后的特征值构造检测特征量,然后采用飞机目标检测窗遍历T22通道图像得到背景均值,最后对检测特征量和背景均值进行阈值分割提取飞机目标。为克服对跑道样本的依赖,给出了基于极化交叉熵和Yamaguchi分解相结合的飞机目标检测方法。首先计算待检测像素、背景杂波像素与三种典型散射体的相似性参数并利用相似性参数构造极化交叉熵,然后结合Yamaguchi分解提取的偶次散射分量功率构造检测特征量,最后采用阈值分割方法提取飞机目标。选用美国UAVSAR系统和AIRSAR系统采集的实测数据对上述两种算法进行验证,实验结果表明:两种算法均能在飞机形态特征不完整的情况下有效地检测出飞机目标,且漏警、虚警较低。相比之下第一种算法能快速地检测出飞机目标,但需要人工提取跑道样本,第二种算法不依赖样本信息,实际应用性更强,但耗时比第一种算法稍长。