高分辨率全极化合成孔径雷达(PolSAR)图像细节特征更加丰富,且存在大量的相干斑噪声,传统的基于像素的处理技术由于不能很好地抑制相干斑噪声,进行分割时会导致大量的过分割或欠分割,进而在对图像进行分类时会导致错分类现象。为了更好对PolSAR图像进行分割及分类研究,本文采用了基于面向对象分析技术,它能够有效地解决基于像素处理过程中所面临的问题。面向对象分析技术以像元对象(同质区)为分析单元,它在解决高分辨率PolSAR图像尺度效应、抑制相干斑噪声等方面有着重要作用。虽然在基于PolSAR图像的面向对象分析技术上已经取得了许多研究成果,但该技术针对PolSAR图像的应用还不太成熟,仍需要进一步的研究和完善。本文首先细致而有序地分析了PolSAR数据特点；然后简单扼要地介绍了面向对象分析技术；接下来重点分析并筛选了针对PolSAR图像面向对象分类的最优特征子集。分析策略首先针对由单组特征和组合特征构成的共计12组特征子集,然后使用马氏距离分类器对这12组特征子集进行分类处理,分析得出最优特征子集组。由于模糊决策算法能够充分利用PolSAR图像的多种特征信息,本研究选择基于最优特征子集的模糊决策算法对图像进行同质区域分割研究。最后本文将所提出的方法与其他常见的分割算法进行对比分析,对比结果初步验证了本文方法的有效性。基于最优特征子集对PolSAR图像进行同质区域分割处理可以在很大程度上提高了后续的地物目标分类或识别的效果。当然本文的实验还具有一定的局限性,还需要更多的实验数据来验证本文方法的有效性和通用性。