SAR地物分类是SAR图像处理中的一个重要的应用，但是由于SAR图像中乘性噪声的存在，使得精确地进行SAR地物分类成为一个挑战，且现有的很多分类方法都对特征提取的要求很高，因此怎样可以在简单特征提取条件下有效地对图像进行分类是一个急需解决的问题。很多应用表明稀疏表示用于分类中时，对噪声具有很强的鲁棒性，且对特征提取的要求比较少，它用很简单的特征就可以很好地对图像进行分类，所以本文将稀疏表示的应用扩展到SAR图像地物分类中，针对SAR地物分类的特殊性，提出三个创新点如下：1提出了一种基于特征和稀疏表示的SAR地物分类方法。针对SAR地物分类的特殊性，文章使用基于像素邻域的特征，而不是直接使用像素值来构造字典基于稀疏表示对SAR地物进行分类，并且取得了较好的分类效果。该算法不需要对图像进行预处理，而且对噪声具有较强的鲁棒性。2提出了一种基于稀疏表示模型的多层SAR地物分类方法。在原有的稀疏表示框架的基础上，本方法提出一种对分类结果的评估准则，将不满足条件的分类结果的像素点标记为不确定点，然后在下层的分类中重新对不确定点进行分类。3提出了一种使用多尺度和多层稀疏表示的SAR地物分类方法。针对单一尺度字典不能很好满足所有类地物表示的需要这个问题，方法使用多个不同尺度窗口和不同的训练样本分别进行特征提取，得到一系列不同的字典，并将得到的一系列字典与上面提出的基于稀疏表示的多层分类模型相结合，通过多层分类的筛选功能，使得每个像素点可以在最合适地尺度下被精确表示。论文得到了国家自然科学基金（No.61271302,61072106,61173090,61173092）、新世纪优秀人才支持计划（No. NCET-10-0666）和973项目（No.2013CB329402）的资助。