在当前大气污染日益严重,雾霾天气多发情况下,传统借助光学传感器成像的遥感系统的使用受到诸多限制,而天气状况等无碍极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,简称Pol SAR)全天时、全天候、全极化模式地获取地物信息,被广泛运用于军事及民用研究领域,其发展受到广泛关注。Pol SAR系统通过获得不同极化状态下目标的散射信息,实现地物信息的轻松获取,如目标的物理特性、空间分布等。但是,高分辨率Pol SAR图像中,目标散射特性更加复杂,同一地物的不同部分可能呈现出不同的散射特性,低分辨率下的解译技术不满足当下Pol SAR系统图像处理要求。基于人类的认知机理及已有的认知模型,建立高分辨率Pol SAR图像目标解译算法。人类对图像的认知是目前最高水平的图像解译机制,主要归功于三个特点:一是视觉认知过程是由整体到局部的;二是认知过程分层进行,确保运行过程的高效及高精度;三是知识和经验是认知顺利进行的先决条件。深入研究人类的图像认知机制,并将其引入Pol SAR图像目标解译算法中,对于高效、智能、准确地进行图像解译具有重要意义。因此,本文基于人类认知机制,结合Pol SAR图像成像机理,建立“视觉认知-逻辑认知-心理认知”的高分辨率Pol SAR图像层次认知模型,并且先验知识全程参与,完成Pol SAR图像目标地物的快速、准确、智能地解译与识别。论文第一部分详细介绍了认知科学、Pol SAR图像处理等研究的国内外研究现状,如图像分割技术、图像目标识别技术。第二部分对认知领域及Pol SAR信息提取与目标解译技术的基本理论与模型进行了系统地阐述与说明。第三部分基于已有的理论知识,建立了基于先验知识的“视觉-逻辑-心理”认知的Pol SAR图像层次认知模型,并借助多层次图像分割、模糊逻辑、神经网络、上下文语义特征等理论,完成了相应的数学构建及编程实现。第四部分,利用三组不同成像条件下的Pol SAR图像所获得的实验结果进行算法验证。并且定量的结果分析表明,本文所提算法具有很好地图像解译效果,且具有一定的普适性,对Pol SAR图像解译研究具有重要的应用价值和意义。