极化合成孔径雷达(Pol SAR)能够通过多个通道多种极化组合方式获取丰富全面的地物信息,因此,其在地震学、军事侦察、农林以及水文地理等研究领域起到不可替代的作用。将地物正确分类是Pol SAR图像一个非常重要的应用也是进行后续Pol SAR图像解译的前提和基础。目前,Pol SAR图像的分类仍存在高维非线性等难题。近些年来,在模式识别领域,稀疏表示已经成为一个高效有效的创新性工具。本文的目的主要是从Pol SAR图像本身的特性出发,利用协方差矩阵和相干矩阵提取Pol SAR图像特征,然后结合稀疏表示理论的特点,研究具有更高分类效果和分类效率的Pol SAR图像分类方法,促进Pol SAR图像解译的应用和发展。本文主要包括以下三个方面:首先,本文从Pol SAR图像的特点入手,研究了Pol SAR图像的表征方法包括极化散射矩阵以及二阶极化统计特征矩阵,然后从极化特征和非极化特征两个方面研究了Pol SAR图像特征提取方法。极化特征方面研究了基于散射机理目标分解理论的Pol SAR图像特征提取方法和基于特征值分解的Pol SAR图像提取方法;非极化特征方面研究了基于灰度共生矩阵的Pol SAR图像纹理特征提取方法。然后,本文从信号的稀疏表示、字典的设计、稀疏系数的求解以及稀疏表示的分类模型四个方面研究了稀疏表示基础理论。然后在稀疏表示的基本模型的基础上结合Pol SAR图像的特征提出了基于稀疏表示的Pol SAR图像分类模型并且利用EMISAR的Foulum地区数据、AIRSAR的San Francisco地区以及AIRSAR的Flevoland地区实验数据对其进行验证分析。最后,为了进一步提高稀疏表示分类模型的效率和效果,本文研究了稀疏约束优化模型-拉普拉斯模型和上下文稀疏表示方法,并且提出了基于上下文稀疏表示的Pol SAR图像分类模型。然后利用EMISAR的Foulum地区数据、AIRSAR的San Francisco地区以及AIRSAR的Flevoland地区实验数据对上述理论进行了实验验证,并且给出了结果和定量的分析评价。实验表明,文中提出的算法对于Pol SAR图像分类具有适用性和有效性。