极化合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高级的雷达成像系统,通过控制发射与接收电磁波的极化方式以获取更丰富的地物与目标特性。通过最近二三十年的研究发现,极化SAR数据能够在目标检测、地物分类、地表参数反演与地表高程反演等典型应用领域提供比单极化SAR数据更为丰富的信息、获得更为优越的性能。如今,多个在轨运行的卫星系统正在提供海量的极化SAR数据,绝大多数计划未来发射和在研发的星载SAR系统能够提供多极化数据,如何充分挖掘这些海量复杂数据当中的信息是突破其应用瓶颈的关键,开发极化SAR图像理解与信息挖掘性能稳定的、自动/半自动的解译系统亟待研究。在极化SAR图像解译领域,主导的分析方法为两类:散射特性分析与统计建模。为了充分挖掘极化SAR数据信息,结合雷达图像对目标结构敏感这一特点,并且面向高分辨率图像理解、多源数据融合、多时相数据分析等解译新思路,本文将研究重心放在极化SAR图像空间域的信息分析与提取。所谓空域信息(spatial information),是指图像像素在空间域上形成某些固有模式所提供的信息,具体说主要包括边缘、线段、区域和纹理等信息。本文集中、系统的研究极化SAR数据典型空域信息边缘与区域信息的提取方法,为极化SAR图像专门设计与构建对象化表征;并探索边缘与区域信息提取对于提升极化SAR图像解译程度、性能的作用,开发融合空域信息的地物分类、变化检测极化SAR图像解译流程,为验证算法的有效性提供依据。本文的理论基石为:极化SAR图像统计模型与相似性衡量。边缘与区域空域信息提取的核心基础在于定量分析像素与其空域相邻像素之间的相似性。由于极化SAR数据受到固有相干斑噪声的干扰,因此相似性衡量体现为图像中两个实体之间在统计意义上相似程度的衡量。作为极化SAR图像边缘与区域信息提取的核心基础,本文首先介绍极化SAR图像的统计建模方法及其适用范围,在此基础上调研与分析极化SAR图像中两个像素之间的相似性衡量方法,并针对本文具体研究内容,深入探讨面向极化SAR图像边缘与区域信息提取的概率相似性衡量方法。在此基础之上,立足于实际应用需求并结合国内外研究现状,本文定位于根据数据特性,开展针对极化SAR图像边缘与区域信息提取方法的研究。本文的主要贡献与创新点包括:保分辨精定位边缘提取–本文提出一种基于退化滤波器和加权最大似然估计的极化SAR图像边缘提取方法,利用加权最大似然估计准则来估计退化滤波器中所需的概率分布参数,克服传统边缘提取方法的性能制约因素。实验结果表明,该方法与传统边缘提取方法相比具有更好的提取性能,提取结果更为细腻,定位更为准确。超像素生成–本文提出一种基于图谱划分理论的单/多时相极化SAR图像超像素生成方法,以图像边缘信息为超像素生成的信息源、以边缘强度为中介获得像素间全局的相似性衡量,通过对图像进行最优化的过分割生成超像素。在超像素生成的基础上,本文提出基于超像素的极化SAR图像类别数目自适应分类方法与基于多时相超像素的极化SAR图像变化检测方法。实验验证了所提方法的有效性。空域自适应区域生成–本文提出一种基于wedgelet分析的极化SAR图像空域自适应区域生成方法,利用基于极化SAR图像统计信息的数据保真度衡量进行极化SAR图像多尺度wedgelet分解,采用自底向上四叉树剪枝法实现极化SAR图像多尺度wedgelet表征作为空域自适应初始区域生成结果,并基于Wishart Markov随机场模型对初始区域生成结果进行优化。实验验证了所提方法对包含异质性场景的极化SAR图像进行区域生成的优势。全局主导地物轮廓勾勒–本文提出一种基于图像表征的极化SAR图像全局主导地物轮廓勾勒方法,根据地物轮廓具有全局稀疏性的特点,提出专门为极化SAR图像设计与构建的约束L0梯度最小化表征,同时利用图像的统计特性与空域特性,实现地物轮廓的勾勒。实验结果表明,所得的地物轮廓勾勒能够对极化SAR图像实现有效的表征:对于同质性场景的地物勾勒大块区域的平滑轮廓,而同时保留异质性场景的地物轮廓细节。针对本文中所有的方法研究,均利用仿真和/或真实极化SAR数据,通过视觉性能展示、数值性能评估的手段分析本文所提方法的性能,确认本文方法实现其设计目标,验证本文提出的极化SAR图像边缘与区域信息提取方法的有效性和优势性,实现极化SAR图像的对象化表征,并且对于极化SAR图像的解译程度和性能具有一定的提升作用。当然,值得说明的是,根据客观条件,目前我们只是在有限的、被极化SAR图像解译领域广泛使用的数据集上测试、检验本文所提方法的性能。未来,需要将这些算法与应用处理放在更大的数据库中测试、分析与改进,以期构建实用流程。