极化SAR是一种先进的合成孔径雷达系统系统,与传统SAR相比,极大的提高了对地面目标散射信息的获取能力,是现代SAR发展的重要方向之一。本论文重点对极化SAR的应用基础理论进行了研究,本文的主要工作和创新如下:1)针对拥有不同定向角的同一目标在去定向后仍可能具有π/2的定向角差别这一问题,提出了一种去定向的附加确定步骤,引入此步骤后使得去定向操作可完全消除定向角对目标的影响。2)单视数据下的相似性参数主要缺陷在于不能应用于多视数据。因此本文对该概念进行了扩展,提出了广义相似性参数的概念。广义相似性参数即可应用于单视数据又可应用于多视数据,并且在应用于单视数据时与相似性参数等价。利用广义相似性参数对海面目标的极化检测算法进行改进,取得了很好的检测性能。3)为解决极化熵H与α角计算耗时较长、和极化熵较大时目标的α角不稳定问题,本文提出了两个新参数h和q,它们分别具有与H和α相似的性质,且计算十分简便,同时q克服了α的不稳定性问题。本文还提出了一种基于hq的极化SAR图像非监督分类方法,实验证明该分类方法性能基本与Hα分类相同。4)根据SU(3)群中酉矩阵的表示方法给出了一种极化相干矩阵的分解方法,并以该分解为基础提出了一种多视极化SAR数据的压缩方法,实验表明该方法在保持数据的极化特征方面的性能要明显优于现有压缩方法,且该方法克服了压缩后相干矩阵特征值包含负值的这一现有压缩方法普遍存在的问题。5)基于模型的Freeman分解经常过高估计体散射且分解结果中会出现负功率值,为了解决这两个问题,本文提出了一种改进的三成份分解方法。该方法采用了去定向、新的体散射模型、与功率限制3种改进,完全消除了分解结果中的负功率值,同时很好的解决了过高估计体散射的问题。经过详细的实验比较和分析,表明新分解方法比Freeman分解更加符合实际地物的散射机理。