合成孔径雷达(Synthetic Aperture Radar, SAR)图像处理是近几年发展起来的新兴学科，也是与当今国民经济发展和国防建设密切相关的一个重要学科近十年来我国对SAR的研制给予了大量的投入，在获取SAR数据方面有了长足的进展然而，国内外在SAR图像后处理与解译方面的研究进展相对缓慢，相对于光学图像的研究，还有很大的差距本论文以SAR图像分类为应用背景，结合随机投影理论，对机器学习中无监督分类的谱聚类算法进行了研究，提出了自己的新方法—基于随机投影和改进谱聚类的分类算法，针对SAR地物在图像观测域的分类问题，利用随机投影变换对待分类数据集进行一维随机观测，然后使用改进谱聚类算法在简化了的数据空间中实现了SAR地物的分类，提出的方法成功地应用于了SAR图像典型地物的分类之中本论文主要工作概括如下：(1)提出了一种基于随机投影和改进相似性测度谱聚类的SAR地物分类方法该算法引入随机变换方法，对初始数据集进行降维，并定义了一个依赖于数据特性的相似性测度改进谱聚类算法实验表明，该方法得到了较好的分类效果(2)提出了一种基于随机投影和改进NJW算法的SAR地物分类方法该算法对待聚类数据集进行一维随机观测，然后引入对初始值不敏感的k调和均值算法改进的NJW算法，最后在简化了的数据空间中进行SAR地物分类实验表明了该方法执行效率高，并且提高了分类的准确性(3)提出了一种基于随机投影和小波独立分量分析的SAR地物分类方法，该算法通过小波独立分量特征提取对利用随机投影变换从高维空间投影到低维空间上的投影信号去冗余，再结合改进相似性测度的谱聚类算法进行仿真实验表明了，该算法得到了较为鲁棒准确的分类效果本文工作得到了国家自然科学基金（No.60971128）；华为创新研究计划项目(No. IRP-2011-03-04)资助