极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,POLSAR)是一种多通道、多参数的雷达成像系统,它是通过测量地面上每一个分辨单元内的全极化散射回波来获得目标极化信息的。与传统的成像雷达相比,极化合成孔径雷达能够在多种电磁波极化收发组合下对目标散射特性进行探测,所以它能为目标解译提供更多更全面的信息。极化SAR图像分类是极化SAR数据应用上的一个重要问题,本文主要研究基于极化相干矩阵特征向量分析的极化SAR图像分类算法。选择特征向量作为分类特征,结合支持矢量机(SVM)分类算法和谱聚类,提出了两种极化SAR图像分类算法,主要内容如下:1.对极化SAR数据相干矩阵进行特征值分解,统计分析了三个特征向量的数值特征,利用特征向量较好的可分性,选择最大特征值对应特征向量的实部和虚部作为特征量,结合SVM分类器实现极化SAR图像分类,该方法简单易实现,分类效果良好。2.进一步对相干矩阵特征向量的数学意义进行分析,结合极化SAR雷达成像的物理机制,提出了一种适用于相干矩阵特征向量的相似性度量方式。该方法中两个像素的相似度计算是在酉空间上进行的,实验验证了该相似性度量的正确性和有效性,在此基础上,提出了一种基于特征向量度量谱聚类的极化SAR图像分类算法。该方法计算复杂度低且分割效果好。本工作得到了国家自然基金(Nos.61003198,61472306)和中央高校基本科研业务费专项资金(JDYB140508)的资助。