SAR图像地物分类是SAR图像自动解译技术的重要环节,分类后的图像能够广泛应用于地图绘制、自然灾害分析、军事侦察等任务中,在军事和民用领域都具有重要的应用价值。然而,SAR图像的相干斑噪声、几何畸变、对系统参数和雷达波入射角敏感等给地物分类带来了很大的困难。针对这一问题,本文对SAR图像中不同地物的特点进行了分析,重点研究了以局部特征为基础的地物分类方法。本文的主要工作包括以下两个方面:(1).针对单一特征无法完整地描述目标,提出了一种结合了局部空间和结构信息的新特征。新特征通过灰度共生矩阵获取像素之间的空间信息,并利用局部模式直方图提取SAR图像的基础结构信息,在考虑了特征之间相关性的基础上,对两种信息进行了结合。最后,利用基于高斯内核的支持向量机完成地物分类。实测SAR图像上的分类实验验证了该算法的有效性。(2).针对不同的分类任务,研究了基于分割的SAR图像地物分类方法,提出了一种基于超级像素的SAR图像分割算法,该算法以超级像素为基本处理单元,构建了新的基于局部灰度和边缘特征的区域相似度,利用新的区域相似度,采用自底而上的区域合并策略迭代合并相似的超级像素,最后结合模糊聚类技术完成分割。仿真和实测SAR图像的实验结果表明,该方法所得结果目视效果更好、分类正确率更高。