极化合成孔径雷达(Sythetic Aperture Radar,SAR)是一种能够获得地物目标丰富信息的先进主动微波遥感手段。它具备获取地物目标的多通道极化图像,并通过地物目标的极化信息处理提升对目标散射机理的理解,进而提高地物目标的探测、识别和分类能力。近些年来,国内外极化SAR系统的研制与应用促进了极化SAR理论与地物目标分类方法的飞速发展。极化SAR地物目标分类和图像解译可以实现对不同属性地物目标的精细分类、识别与描述,它在地质地貌勘探、植被覆盖调查、农作物生长评估、海洋环境监视和战场侦查与监视等军事与民用领域中具有重要的应用前景。因此,极化SAR分类方法研究是目前雷达信号处理与遥感信息处理领域的研究热点,具有重要的理论意义和应用价值。地物目标的特征提取算法与分类器设计是实现准确的极化SAR图像分类与图像解译的关键环节。因此,论文以提高极化SAR图像中地物识别准确率为目的,重点研究了极化SAR地物目标特征提取算法与不同的分类器融合算法,并开发了多种分类算法集成的极化SAR地物分类软件,获得较高分类率的极化SAR仿真与实测数据处理结果。具体研究内容如下:(1)针对极化SAR图像目标分类中的地物特征提取难题,沿着张量代数理论和传统特征降维算法相结合的思路,提出了T-LDA和T-LPP两种基于张量表征的特征提取算法。通过采用邻域滑窗方法构建像素点的局部张量特征数据,并将矩阵形式特征提取算法进行张量扩展推广。仿真和实测数据结果表明通过张量形式表征极化地物数据,能够更有效地提取区分度高的特征量,去除地物特征之间的冗余性,从而有提高分类器的分类准确率。并且,分析了基于张量表征的特征提取算法的训练样本量、邻域窗长和降维后特征维度等关键参数对分类准确率的影响。(2)针对高效的极化SAR图像地物分类器设计难题,研究了针对支持向量机、K近邻算法和H/A/Wishart三种分类器的决策层融合算法,提出了一种基于加权投票算法的改进方法。考虑到不同的分类器对于不同地物有着不同分类效果,它们之间存在互补信息,引入了加权投票法将支持向量机、K近邻算法和H/A/Wishart三种分类器的分类信息融合。在传统的加权投票法基础上,考虑到不同分类器对不同极化地物数据分类效果的差异性,引入动态计算权重的class-分类器正确率矩阵,对每一个样本在各个分类器中得到的分类情况,动态地计算每次的融合权值。实测数据的实验结果表明了融合后的分类器能够有效地弥补不同分类器的分类性能差异和缺陷,提高极化SAR地物目标分类的准确率。(3)在对极化SAR地物目标特征提取算法和分类器决策层融合算法的理论研究基础上,设计并编制了一套极化SAR地物目标分类软件,集成了极化SAR图像读取、地物目标特征提取算法、地物目标分类算法、图像显示和图像保存等多种功能。该软件集成了多种极化SAR地物目标特征提取和分类算法,能够较好地适应极化SAR地物目标分类的实际应用分析需求。