海冰覆盖了地球上海洋十分之一左右的面积，一方面海冰影响着海洋与大气之间的热量交换，减弱海岸侵蚀，同时也是生态系统的重要部分;另一方面海冰冻结和漂移会造成钻井平台倒塌、船舶破坏和航运受阻。因此，海冰研究对全球气候、极地环境与安全等有重要意义。　　海冰分类对于海冰参数的提取很重要。海冰类型是海冰监测和研究的重要信息，在分类的基础上提取的海冰范围、密集度等参数是冰情预报的重要内容。合成孔径雷达(synthetic aperture radar，SAR)的全天时、全天候以及穿透云雾的观测能力，使其成为海冰监测的有效工具。近年来，基于SAR数据的海冰分类研究已经广泛开展，并且成为海冰遥感研究的热点。　　本文以类型丰富的北极海冰为研究对象，选取波弗特海为研究区，采用RADARSAT-2 ScanSAR数据进行研究，从ScanSAR图像处理、海冰类型识别信息挖掘、海冰分类方法优化、分类结果验证及分析等几方面开展海冰分类研究，提出了一种针对ScanSAR数据的、有效的北极海冰分类方法。　　主要研究内容和结论如下:　　(1)优化了ScanSAR模式下的海冰图像。包括两方面:一是分别采用结合图像灰度值和本底噪声信息的两种补偿方法对ScanSAR模式海冰图像的条纹噪声进行处理，二是进行了入射角归一化的处理。ScanSAR模式给海冰类型识别带来了两个问题:一是由于海冰信号相对较弱，ScanSAR图像上本底噪声压制海冰信号形成平行方位向的条纹噪声;二是入射角范围较大，导致同一类型海冰的后向散射系数在同一景图像中存在差异。本文的优化处理减弱了条纹噪声，缩小了入射角范围大带来的海冰类型灰度值分布差异，满足后续数据分析处理工作的要求。　　(2)对海冰分类敏感信息进行挖掘，丰富了海冰类型识别信息。本文用于海冰类型识别的信息有三种，分别是后向散射信息、纹理信息和海冰密集度信息。一是，分析了HH和HV极化下不同海冰类型的后向散射系数随入射角的变化情况，对海冰后向散射系数进行了统计;二是，在基于灰度共生矩阵提取纹理信息中，进行了最优提取参数的选择和最优特征值的筛选;三是，挖掘海冰密集度信息作为分类判别依据并对提取方法进行了改进，加入到北极海冰分类中，结果证明该信息是一种有效的海冰类型识别的信息。　　(3)建立了北极海冰SVM分类模型，结合海冰密集度信息实现了融合支持向量机和决策树的北极海冰分类方法。本文融合支持向量机和决策树进行分类，该方法的执行步骤是:首先结合灰度和纹理信息进行支持向量机分类并基于该结果提取了海冰密集度信息，然后加入海冰密集度信息进行了支持向量机与决策树融合的分类。与只结合灰度信息和纹理信息的分类结果相比，本文采用的方法的优势在于:一是正确识别了开阔水，二是提高了识别莲叶冰的准确度。　　(4)验证并分析了分类结果，并与最大似然法对比探讨了SVM在北极海冰分类研究中的优势。本文分别结合加拿大海冰中心的冰情图和独立的测试样本对分类结果进行了验证，用于验证的训练样本和测试样本分别来自两景图像，保证验证结果的可靠性。验证结果显示，该方法是一种适用于双极化ScanSAR数据的、针对北极地区多种海冰类型的有效分类方法;而在结合密集度信息进行海冰分类时，支持向量机比最大似然法具有优势。　　(5)本文提出了一种结合灰度、纹理和密集度信息的、基于支持向量机(support vector machine，SVM)的北极海冰分类方法，该方法提高了海冰类型识别的精度，为双极化ScanSAR模式数据下的海冰分类研究提供了一种系统而有效的途径。　　本文有两个创新点:　　(1)在北极海冰分类研究中，引入海冰密集度信息作为一种分类判别依据，证明了该信息是一种有效的海冰类型识别信息。在灰度信息和纹理信息的基础上，海冰密集度信息的加入提高了海冰类型识别的精度，尤其初生冰的分类精度从69.07％提高到了87.67％，整体kappa系数从0.8237提高到了0.8941。　　(2)针对双极化ScanSAR数据下的北极地区海冰类型，提出了一种基于支持向量机的系统而有效的分类方法。与最大似然法进行对比分析后发现，支持向量机的有效性体现在两个方面:一是入射角是否归一化对支持向量机的分类结果产生的影响要小于最大似然法，说明支持向量机的鲁棒性更好;二是在灰度信息和纹理信息的基础上，海冰密集度信息的加入提高了支持向量机的分类精度，但是却降低了最大似然法的分类精度，说明在结合密集度进行分类时支持向量机比最大似然法更适合。以上两点说明对于本文提出的北极海冰分类思路中，支持向量机更具有优势。