SAR(Synthetic Aperture Radar,合成孔径雷达)是一种主动式微波成像雷达,在成像雷达中起到十分重要的作用,在科学探索、国家安全和经济生产等诸多领域已被广泛应用。目前,SAR图像处理的研究领域主要包括图像斑点噪声抑制、边缘检测、特征提取和图像分类等,其中图像分类是SAR图像地面场景识别和解译的重要研究内容。本文对SAR图像分类进行深入的研究,主要研究内容如下所述:1.SAR图像由于受到相干斑点噪声的影响,使得其高精度的分类算法研究受到极大的挑战。为了提高SAR图像分类的性能,根据SAR图像的成像机理和统计特性,通过灰度共生矩阵特征的提取,结合纠错编码,构造了一种SAR图像分类的Ada Boost改进算法。并通过实验验证了该算法得到较好的分类结果,分类精度也得到了显著的提高。2.针对基于Ada Boost的SAR图像分类算法出现稳定性差和过度训练的问题,本文采用随机决策树函数为基本分类器,并应用再抽样Boot Strap方法来提升算法的稳定性和精度,以防止过度训练。随机将数据集拆分为两个子集:一个用于训练,一个用于验证。通过再抽样和训练验证步骤的反复迭代,以分类器多数投票的方式得到两类分类器,随后在结合纠错编码的基础上,构造最终的多类分类器。该方法能够估计用于分类的变量相关性,并采取相关措施来估计用于随机组合的变量的先验概率。同SVM、人工神经网络以及其他众所周知的分类方法相比,本文方法有明显的优势。