由于张量能够很好地表征高维数据,能够有效保留多维数据之间的结构信息,所以张量分析技术在多维遥感图像分类算法研究中具有重要意义。极化合成孔径雷达(Synthetic Aperture Radar,SAR)是一种具有代表性的多维遥感成像技术。为此,本文研究了基于张量分析的极化SAR边缘检测和分类方法。主要完成以下几个工作:提出了基于加权结构张量的极化SAR边缘检测方法:传统的极化SAR边缘检测方法通常沿袭于SAR边缘检测,在检测效果上并不理想。本文首先研究了基于平均加权结构张量进行极化SAR边缘检测的方法。该方法通过平均加权的方法融合各图像通道的结构张量,其本质是认为每个通道提供等量的边缘信息量。进而,本文提出一种基于特征值度量的加权结构张量的极化SAR边缘检测方法。该方法利用特征值的方式充分度量了每个图像通道的边缘信息量,以此融合得到最终的多通道结构张量。实际数据处理结果表明:相比于传统的极化SAR边缘检测方法,本文提出的基于加权结构张量的极化SAR边缘检测方法可以获得更好的边缘检测结果。提出了极化SAR样本点的高阶表示形式并将秩一支持张量机应用于极化SAR图像分类:极化SAR图像分类的特征量通常由目标极化分解得到。同一分解机制往往能够得到若干特征量,因此所有分解方法得到的特征量集合存在结构关系。传统的极化SAR分类方法将这些特征量排列成向量的形式,这必然破坏了特征量之间的结构关系,导致分类性能较差。为了避免这一问题,本文研究了极化SAR数据的高阶表示形式。基于以上分析,本文还将秩一支持张量机应用于极化SAR图像分类,实验结果表明,本文提出的极化SAR高阶表示形式的确能够利用结构信息,取得更好的分类结果。