合成孔径雷达(SAR)作为一种不可替代的遥感技术已广泛应用于对地观测和环境监测中。当代SAR技术发展呈现出两个重要方向，即以InSAR为代表的立体测量技术用以在几何上对目标三维重建，以及以PolSAR为代表的多参数测量技术用以在物理上对目标识别与分类，这些涉及到新的SAR图像几何立体处理和极化分析问题。随着SAR技术不断成熟以及应用对大规模数据处理和精细目标感知的渴望，尚有许多问题亟待解决。基于这些考虑，本论文在以下六个方面开展工作:　　一、提出了一个简明SAR成像模型，该模型与距离-多普勒公式一致。基于简明模型实现了对一般SAR对极几何的严格建模，该模型的特殊形式与现有研究结果一致。基于对极模型发展出新的目标三维重建算法，其在特殊立体成像几何下与StereoSAR技术一致，即使在人为加噪等影响下算法也可实现高精度目标重构。在几何形式上，推导的简明SAR成像模型与线性光学相机成像模型一致，且所推导的严格SAR对极几何与平面诱导的光学相机单应一致，因此实现了SAR成像和光学成像的几何统一。　　二、针对相干系数法在InSAR图像配准中速度慢且精度受限的缺点，分别对其粗配准和精配准过程进行了改良。粗配准中引入了快速模板匹配技术以显著提高配准速度;精配准被转换为一个以干涉相位最优估计为目标的解析凸优化问题，此时图像亚像素偏移即可快速且精度不受任何限制地获得，因此配准精度与速度间的矛盾得以克服且配准与相位估计间的不一致也得以避免。对于大尺度InSAR图像对，进一步对精配准进行了加速以联合估计出所有划分子图像对间的亚像素偏移。实验表明提出的算法在配准速度和精度以及最优子图像尺度选择和基于InSAR的场景分类等应用中表现优异。　　三、从特征几何不变性、提取速度、定位精度、描述符几何不变性、匹配速度、特征对去相干的稳健性以及对图像斑点噪声的免疫力等角度对SAR图像配准中常用四种特征进行了全面评估，发现SURF特征表现最好。实验表明在不改变抽取步长的前提下将SURF算子用于过采样SAR图像对能显著提高亚像素配准精度。发现常用的RANSAC算法无法用于SAR图像的稳定配准。提出了一个扩展的Fast-LTS算法(EF-LTS)，该算法既具有Fast-LTS的稳定性又具有RANSAC的高效性，同时又兼顾SAR图像配准直接反演二维多项式扭曲模型的特点。验证了结合SURF特征和EF-LTS算法可快速实现SAR高精度图像配准。针对特殊的弱仿射扭曲SAR图像设计了一个分步配准策略和参数反演算法。实验表明弱仿射变换可很好地描述一类图像几何扭曲，且提出的配准方案能实现精确图像配准。　　四、提出了一个广义Huynen二分算法以自适应对目标散射进行刻画。进一步发展出一个广义Huynen分解以自适应实现目标二分和三分，该算法包含九种二分算法和四十八种三分算法，现有Huynen类目标分解都可在该广义框架下实现统一。实验表明广义Huynen分解能很好地增强目标特征以用于目标自适应识别和提取。在广义Huynen分解上进一步构建了一个九分量Bernoulli统计散射模型实现了对平均单目标散射的估计。　　五、基于Huynen平均单目标发展出Huynen(α)角和散射FoP以等效Cloude-Pottier(α)角和散射熵H描述目标散射机制和随机程度，发展出的FoP/(α)非监督分类算法可实现与Cloude-Pottier的H/(α)分类一致的结果。基于广义Huynen分解发展出的Huynen散射熵Hhn、各向异性Ahn和Span(α)与Cloude-Pottier的散射熵H、各向异性A和(α)角具有良好的一致性，其构成的Hhn/Ahn/Span(α)算法有望实现与Cloude-Pottier H/A/(α)算法一致的分类结果。　　六、从六个方面验证了广义Huynen分解和Cloude分解间的一致:在主要单目标反演上广义Huynen二分算法与Cloude分解一致;在三个单目标功率反演上广义Huynen分解与Cloude分解一致;在平均目标反演上广义Huynen分解与Cloude-Pottier分解一致;在不考虑相位影响下广义Huynen分解和Cloude分解在主要单目标功率反演上的相对残差理论上界为10.10％; Huynen FoP/(α)算法与Cloude-Pottier H/(α)算法分类一致以及Huynen Hhn/AhnSpan(α)算法与Cloude-Pottier H/A/(α)算法分类一致。Huynen分解和Cloude分解分别来自两种等价的波分解形式，因此两者间的一致性意味着波分解和目标分解间的相互统一。　　SAR图像的几何立体处理和极化分析研究不仅很好地解决了部分现存的问题，也提供了一种联合反演目标几何和物理信息的方法，并有助于实现基于PolInSAR数据的对极建模、图像配准以及目标提取、重建和分类等联合处理。