由于具有全天候全天时的应用能力和一定的穿透性,雷达识别在军事和民用方面都有很大的市场,是其他识别手段不可替代的方式。合成孔径雷达(SAR)能对目标区域成像,可获得比普通雷达更多的信息量,是雷达分类识别的主要手段。其中极化SAR能同时获得目标区域的多通道数据,可更好的揭示目标的物理散射特性,是当前雷达分类识别等应用的研究热点。本文基于极化SAR图像特点,主要进行了极化SAR相干斑抑制技术以及极化SAR图像非监督分类算法研究,主要内容为:1.介绍了雷达极化的基本理论,包括电磁波的极化表征、描述极化的矢量、典型目标的散射矩阵等方面的基础知识,并总结了目前常用的极化SAR图像分类算法。2.分析了SAR和极化SAR图像中相干斑特性,包括相干斑的产生和影响、数学模型和统计特性。总结了一些常用的相干斑抑制的典型算法,介绍了相干斑抑制效果的评价标准。针对极化Lee滤波不能同时保留细节和提高相干斑抑制能力,基于自适应窗,改进了极化Lee滤波算法。3.分析了极化分解理论以及熵/平均散射角平面分类算法的优点和缺陷,分析了基于wishart分布的非监督分类法,在此基础上,根据传统方法不能自动调节类别数而导致错分的问题,提出了基于动态聚类的极化SAR非监督分类算法,并通过实测极化SAR图像验证了该算法的有效性。4.分析了支持向量机理论,应用支持向量机对极化SAR数据进行了监督分类,在此基础上提出了基于支持向量机和极化分解的极化SAR非监督分类算法。5.分析了支持向量数对分类错误率的影响,基于最小支持向量数原则,提出了基于四叉树分割和支持向量机的极化SAR非监督分类算法,并讨论了四叉树分割后不同样本选择算法对分类的影响。