合成孔径雷达(Synthetic Aperture Radar,SAR)可以在任何天气条件下随时获取不同土地覆盖的高质量图像。因此,SAR已成功应用于许多领域,如军事目标探测与识别、环境监测和土地地形制图等。然而,由于SAR系统本身成像原理的特殊性使得SAR图像存在固有的乘性相干斑噪声,这对SAR图像的解译带来了极大的困难。近年来,SAR图像分类作为图像处理领域的关键部分受到了广泛注意,一直是SAR图像分析的重要内容。本文将多特征和复合核等有机融合,对SAR图像分类开展了深入的分析研究,具体研究工作包括:1)基于多特征和支持向量机的SAR图像分类算法。针对SAR图像单个特征不能完整充分的描述目标、提取丰富信息的问题,提出了一种结合了灰度级共生矩阵和多级局部模式直方图的多特征提取方法。该方法采用了灰度级共生矩阵来描述SAR图像的空间特征,采用了多级局部模式直方图来描述SAR图像的结构特征,并对两种特征信息进行结合,在此基础上,利用支持向量机对SAR进行分类,并通过拟合和真实SAR图像的实验验证了所提算法的有效性。2)基于超像素和复合核的SAR图像分类算法。针对单个内核处理SAR图像分类不够准确的问题,提出了一种在支持向量机中应用复合核的方法。该方法首先由超像素生成上下文信息,然后通过径向基核函数定义了上下文内核,再将上下文内核与径向基核函数融合形成复合核,最后通过基于复合核的支持向量机结合多特征提取实现像素的分类。实验结果表明该方法相较于其他方法不仅分类精度高,而且还能够很好的处理非匀质区域以及弱边缘分类问题。