在中低分辨率SAR图像中,基于像素级的分类和检索方法能够获得较好的实验效果。但是随着分辨率的提高,SAR图像的数据量更大、地物特征更明显以及空间信息更丰富等特性,同时像素级的图像解译方法未考虑像素间的空间组织关系,使得传统基于像素的图像解译方法带来结果的模糊性和不确定性。将主要包含一种或几种内容的图像块,定义为局部模式。因此,本文提出了一种基于局部模式的高分辨率SAR图像解译方法,以此来代替像素级的方法。模式检索是根据给定的局部模式在一幅大场景图像中检索与之内容最接近的局部模式的过程。本文重点研究了高分辨率SAR图像的特征提取方法和局部模式分类模型,在此基础上,给出了局部模式分类的两种应用,地物类型提取和局部模式检索。因此,本文提出基于局部模式的高分辨率SAR图像特征提取与模式检索方法,应用于亟需解决的高分辨率图像解译问题。本文将开展以下研究工作:1、首先,介绍现存SAR图像的特征提取与模式检索理论,将其与高分辨率SAR图像的特性进行结合,分析了现有的高分辨率SAR图像特征提取的缺陷。然后,提取大场景高分辨率SAR图像的局部模式,计算每个局部模式的SIFT特征点,利用词袋模型统计SIFT特征点的累积特性,结合空域金字塔模型和GLCM理论,通过空域金字塔共现核展示SIFT特征点的空间分布特性。最后,运用SVM对提取的局部模式进行分类,主要分为农田、河流和城区三类。2、在基于内容的局部模式分类基础上,研究了基于局部模式分类的地物类型提取方法。只针对包含感兴趣地物类型的局部模式类进行地物类型提取,再将提取了地物的局部模式按照局部模式划分规则映射回原图,从而实现整幅图像的地物类型提取。接下来利用河流和城区对地物类型提取算法进行验证。利用形态学的方法和Sobel算法只针对包含河流的局部模式进行河流检测,接着将局部模式映射回原图,从而提取河流。针对城区提取,将属于城区的局部模式进行微模式(更小的局部模式)划分,利用形态学断面和SVM进行微模式分类,分为城区和非城区两类,将属于城区的微模式按照两次局部模式划分规则映射回原图,获得城区提取粗结果。在此基础上,提出了两种城区精提取方案:一、利用高斯模糊方法进行边沿模糊,去除边缘不属于城区的区域;二、利用城区SIFT特征点明显多于非城区的理论,结合SIFT特征点的似然函数,去除非城区区域,获得精确的城区提取结果。实验结果表明,第一种方案简单快捷效率高,但是结果比较粗糙;两种方案各有优势,第二种方案效率比第一种方案低,但它准确率更高。3、在基于局部模式分类基础上,介绍了一种基于Gabor特征以及TF-IDF加权技术的局部模式检索方法。只针对与查询图像内容相同的局部模式进行处理,在不包含局部模式分类过程时,每个局部模式的平均检索时间为0.75s。