合成孔径雷达（Synthetic Aperture Radar,SAR）凭借其可以全天时不间断地工作、观测过程中不受气候、光线等影响的优点,在国家防御、军事侦察、林业防护等领域发挥着重要的作用。极化SAR增强了SAR获取目标的性能,其在地物成像时会同时使用多种极化方式,从多个角度获取目标的各种散射性质参数。通过解译分析这些参数,便能获取目标中更多具体的信息。超像素是由图像中特性相似的相邻像素组成的区域集合,所以超像素能够很好的保留图像的局部结构。如果基于超像素对图像进行解译则可以大大降低相干斑噪声的影响,并且使用超像素代替像素进行极化SAR图像处理可以降低计算成本。目前的极化SAR图像超像素分割算法大都属于单目标优化的范畴。但在实际应用中,由于具体的复杂场景因素和图像噪声等因素的干扰和影响,极化SAR数据变得日益复杂,这些单目标优化算法难以满足人们对极化SAR图像超像素分割精度的要求。本文主要工作概括如下:（1）研究基于多目标进化的极化SAR图像超像素分割。将极化SAR图像超像素分割看作是一个多目标优化问题,将类内距离和类间距离同时作为目标函数。在优化策略上,引入了一种边界函数,加强超像素边缘和真实地物边缘的拟合性,并设计了针对性的进化算子和种群初始化方法来加快算法的寻优速度。通过在不同类型极化SAR图像上的超像素分割实验,验证了本工作能够有效权衡超像素块内相似性最大化和块间相似性最小化之间的关系。（2）研究基于多目标进化模糊聚类的自适应极化SAR图像超像素分割,降低手动设置超像素数目对超像素分割结果的影响。本工作同时优化模糊聚类性能指标和模糊聚类能量函数。为了能够自动确定可实现最佳超像素分割结果的超像素数目,设计了自适应确定超像素数目的方法。在优化策略上,针对性地设计了多目标进化的变异算子,提高算法的搜索能力。实验证明本工作能够自动确定适合极化SAR图像的最佳超像素数目,从而实现良好的极化SAR图像超像素分割效果。（3）研究基于图像局部信息和多目标进化模糊聚类的极化SAR图像超像素分割,将类间距离和基于图像局部信息的类内距离作为优化极化SAR图像超像素分割性能的目标函数。本工作采用自适应的方式确定超像素数目。在更新超像素中心时,除了使用进化算法之外,还引入了FCM模糊聚类中心更新方式,从而加快算法的寻优速度。通过超像素分割不同类型的极化SAR图像,验证本工作具有良好的极化SAR图像超像素分割性能。