POL-SAR属于目前SAR领域和雷达极化领域研究的前沿课题,同时也是研究的热点和难点。在此背景下,开展关于POL-SAR的图像特征提取以及目标分类等方面的研究,对于解决如何优化POL-SAR系统整体性能,提高对POL-SAR图像的解译能力,推动我国POL-SAR系统走向应用具有重要的理论和实际意义。本文研究的是POL-SAR图像特征提取和分类技术,研究的主要内容包括:基于目标分解的POL-SAR图像特征提取,基于灰度共生矩阵的纹理特征提取,以及基于SVM的POL-SAR图像分类。本文首先介绍了POL-SAR系统的历史与发展现状,并针对极化图像目标分解和分类技术的国内外研究现状进行了详细的综述。同时,介绍了SVM以及它在各种不同领域中的发展应用现状,并对SVM理论进行了详细的介绍。接下来,介绍了目标极化散射特性的表示方法,包括极化散射矩阵,协方差矩阵和相干矩阵等,给出了几种基本的极化散射机理。在此基础之上进行了基于目标分解的多种极化散射特征提取,研究了基于灰度共生矩阵的纹理特征提取,进而用ESAR L波段真实数据进行了实验,然后对实验结果做了详尽的分析和比较。最后,着重研究了基于SVM的POL-SAR图像特征选择和分类技术。重点研究了SVM参数的选择,比较了不同的参数和分类精度的关系,提出了具体的分类算法,并用这种算法对POL-SAR图像进行分类。本文还用Cameron分类、H ?α分类和神经网络等方法进行分类,并和SVM分类结果进行了比较,从而验证SVM方法用于POL-SAR图像分类的有效性。