面对海量的高分辨率SAR图像数据,传统基于像素的方法由于其难以表征实际地理对象、缺乏空间信息的局限性很难满足新时期的解译需求。学界提出了一种面向对象的框架来应对新时期图像分辨率逐渐提高、数据量剧增的遥感图像的解译问题。此外,实际分析中也广泛利用了基于超像素的图像处理算法,简化图像的处理过程。通过把握超像素、对象的同质性区域的共性,可将超像素引入到面向对象框架。而一般适用于光学图像的基于面向对象的算法对存在斑噪的SAR图像分割效果均不够理想。因而,针对SAR图像的面向对象框架研究是目前的遥感图像解译领域的热点之一。围绕面向对象框架下的高分辨率SAR图像地物分类这一课题,展开全文的分析讨论。在超像素的生成环节,本文构建了一种适用于SAR图像的结合边缘强度特征的线性谱聚类的超像素生成方法。并联合其他超像素生成算法,通过预先获取的不同尺度下的超像素分割集实现了SAR图像的超像素对象再划分。在下一环节,分析了一些典型特征提取算法,探讨了基于超像素的SAR图像特征分析方法。最后,在一种基于集与集距离的谱空间分类方法的基础上,改进了超像素子集的生成算法,实现了基于超像素的SAR图像地物分类。综上,本文主要完成了基于超像素的面向对象框架的SAR图像地物分类问题,并通过相关实验验证了方法的可行性。