在全极化合成孔径雷达(PolSAR)图像中,城区中的建筑物目标的后向散射信息会受到建筑物方位角的影响。当建筑物墙面与雷达飞行方向平行时,方位角为0度,墙面与地面形成二面角,产生很强偶次散射回波;当二者不平行时,方位角大于0度,产生交叉极化散射回波,且当方位角为45度时,交叉极化散射能量达到最强。然而,在实际地物目标后向散射中,交叉极化散射不仅来自于具有不同方位角的城区目标,而且来自于林区目标,因此,交叉极化散射也被称为体散射。在PolSAR极化目标分解算法中,主要是根据偶次散射的能量占比来对城区目标进行识别和分类的,而对于方位角较大的城区目标,以往的城区目标分类识别算法中,由于体散射能量强于偶次散射能量,该类城区目标往往被误分类为林区目标。为了解决这一类误分类问题,对于具有较大方位角的城区目标,我们需要增强该类目标的偶次散射能量,同时减少体散射能量。我们首先根据PolSAR数据后向散射信息的特征,利用后向散射系数的线性组合,提出了一种新的相关系数,该系数的值在城区目标高,非城区目标低,该新的相关系数能够在很好描述城区目标的散射特征,且不需要考虑城区目标的方位角的影响。然后,我们应用该相关系数对已有的体散射模型进行修正,并结合该新的体散射模型提出了用于PolSAR图像城区目标识别的新的四分量极化目标分解算法。该算法能够有效增强具有较大方位角的城区目标的偶次散射能量,减弱体散射能量,使得偶次散射能量强于体散射能量,从而使得城区目标能够被正确的识别和分类。最后,为了验证该算法的有效性,我们将该新的分解算法应用到四幅不同传感器的全极化数据上,包括美国的AIRSAR、德国的E-SAR、美国的UAVSAR和日本的ALOS-PALSAR。无论是模拟城区建筑物的简单散射目标—二面角反射器(用于AIRSAR辐射校正),还是真实的城区建筑物目标(E-SAR、UAVSAR和ALOS-PALSAR数据),虽然这些散射目标具有不同的方位角,但是都被正确分类识别为了同一种散射目标,所以,新的极化分解算法提高了城区目标的识别率。