全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)与单极化SAR相比，由于蕴含更丰富的目标极化散射信息，已经逐步应用于环境监测、农林勘查、城镇测绘等诸多领域。SAR图像中建筑目标的自动化提取和分析，具有重要的理论研究价值和实际应用价值。本文围绕SAR图像中建筑目标提取准确率不足、效率不高、特征应用不充分等问题，结合全极化SAR的应用开展了一系列相关研究并提出了新的算法模型。论文完成的主要工作和创新点如下:　　1.根据建筑目标在极化SAR图像中的回波特性，对多种类型特征进行了分析，主要包括直接测量到的数据特征、极化目标分解特征和纹理特征。实验结果证明了各特征对不同地物的可区分性，这是后续进行建筑提取算法研究的根基。　　2.针对进一步提高极化SAR建筑提取准确率的问题，提出了一种基于多特征和二级分类的建筑提取算法。该算法从精致Lee滤波后的极化SAR数据中提取多维特征构成原始特征集合，接着将随机森林作为初级分类器，支持向量机作为次级分类器，并将随机森林的特征筛选结果作为支持向量机的特征集合，最后用邻域投票法将两级分类结果融合起来获得最终提取结果。实验结果验证了特征筛选和多维特征融合对提高极化SAR建筑提取准确率的必要性和有效性。　　3.针对高分辨率、大场景极化SAR数据处理量大的问题，提出了一种基于改进K均值聚类的非监督建筑提取算法。该算法将Cloude-Pottier分解得到的(1-H)A参数作为特征，用改进K均值聚类算法进行聚类，对聚类结果进行形态学处理后得到最终的建筑提取结果。实验结果表明本算法与支持向量机的建筑提取结果相当，并且计算效率更高，具有较强的实用性。