人类的发展离不开道路,而道路周边的环境影响着道路的使用,因此道路周边的地物分类需求逐渐增加。随着遥感微波科技的不断发展,人们对于微波领域的图像处理问题日益关注。但是相对于充足的图像数据和人们对于全极化SAR技术日益增长的热情,微波遥感图像的处理能力却差强人意。可是全极化SAR图像处理技术具有不受时间和环境的影响这一因素是光学图像所没法具备的,这又是人们无法放弃它的原因。本文针对全极化SAR道路周边地物分类的方法研究。以四种分类算法为基础,wishart迭代算法和分水岭分割算法为辅助,开展道路周边5公里范围的地物分类。具体研究内容如下:(1)综合分析了Pauli分解、cloude分解、Freeman分解和Yamaguchi分解四种分解方法,在邛崃地区和茂县地区进行道路周边5公里范围内地物种类分类的优缺点,并加以比较和分析。(2)针对道路周边地物分类问题和全极化SAR中存在斑点噪声的原因,将cloude分解和wishart算法相结合,利用wishart分类对处理过的图像进行初步分类,通过实例验证半监督分类的有效性。通过将分水岭分割算法和Yamaguchi算法相结合,解决了图像中出现大量斑点噪声的问题。(3)将多种分解方法在道路周边地物分类的极化特征代入支持向量机中进行精度的分析比较,结果表明Pauli分解法提取的特征有利于获取较高的精度。设计了一种分水岭分割算法和Pauli分解相结合,并提其取纹理特征代入简单多核向量机分类算法。并在此基础上,提出了一种在同一核函数时,将加权系数转换到极化特征矩阵上,再代入支持向量机的计算方法,表明该方法得到的精度具有参考价值。(4)利用加入支持向量机中的极化特征越多,其分类结果精度越高的特点。将三种不同类型分类方法的极化特征代入支持向量机中进行分类,在一定程度上,即提高分类精度,又避免极化信息重复利用。