极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)通过记录目标多个极化状态的电磁波散射信息，能够测量目标的极化散射特性，并且PolSAR数据以极化散射矩阵的形式进行表征，其优势在于能够将散射矩阵数据与目标散射的极化特性、能量及相位特性统一起来，从而为目标解译提供丰富的特征信息。因此，发展PolSAR遥感技术，挖掘极化散射矩阵中包含的极化特性信息，高效地实现地面目标的分类和识别，具有重要的理论意义和实用价值。随着PolSAR图像分辨率的提高，传统的基于像元的处理方法在计算效率、处理结果等方面已经无法满足用户的需求，而面向对象的图像分析方法在PolSAR图像上的应用还很少，技术也不成熟。这些不足严重限制了PolSAR图像的有效利用。本文针对目前PolSAR图像的面向对象信息提取方法中存在的主要问题，考虑到现有理论和问题的复杂性，结合极化测量理论、计算机视觉、图像处理及图论等领域的最新技术，按照“相干斑抑制（预处理）—影像分割—面向对象地物提取”的总体路线对相关问题进行了深入系统的研究，并得到了有益的结论。论文的主要研究内容及创新点概括如下：1.从描述PolSAR发射极化电磁波的矢量特性出发，总结并分析了部分极化电磁波、完全极化电磁波以及地物目标散射特征的各种表征方式，并对PolSAR数据的极化合成、极化分解理论进行了详细阐述；对极化干涉SAR的相关理论进行剖析。上述分析为后续算法的展开提供了必要的理论支持。2.提出了基于曲率保持PDE的PolSAR图像相干斑抑制算法。在总结PolSAR图像相干斑的产生机理、特点以及PolSAR图像相干斑抑制现状的基础上，针对PolSAR图像相干斑噪声抑制存在的问题，深入研究了张量驱动型PDE滤波器在相干斑抑制中的应用。针对现有算法无法保持曲率结构的情况，结合PolSAR数据的特点，提出了基于曲率保持PDE的PolSAR图像相干斑抑制算法。该算法不仅能够较好地进行相干斑抑制和边缘细节的保持，还有效实现了对具有曲率结构(如角点)的细节特征的保持。3.将改进的谱聚类算法引入PolSAR图像的分割中。以研究具有较好抗噪性能的PolSAR图像分割算法为目的，结合PolSAR数据的特点，通过引入反Wishart距离作为距离测度，将改进的谱聚类算法引入PolSAR图像的分割中。通过实验证明了本文算法具有较好的抗噪性能，适用于PolSAR图像的分割处理。4.结合层次聚合的多尺度分割算法的思想，提出了基于谱聚类的层次聚合多尺度PolSAR图像分割算法。首先采用基于谱聚类的影像分割算法对PolSAR数据进行初始分割，并根据初始分割结果构建底层图，然后选择种子点构建多尺度图，通过加入亮度、形状、大小和边缘强度等特征计算不同对象之间的相似性度量，最后根据对象的显著性测度确定对象之间的归属关系，从而实现影像的多尺度分割。通过实验，证明了该算法既具有适合PolSAR数据的抗噪性能，又具有多尺度分析的能力，使我们能够获取不同尺度对象的特征信息。5.提出了基于KummerU分布的PolSAR图像多尺度分割算法。在高空间分辨率PolSAR背景下，针对高分辨率PolSAR数据纹理丰富、杂波模型复杂的特点，系统分析了基于KummerU分布的异构杂波模型，总结了该模型的参数估计方法，引入最大似然函数设计了基于KummerU分布的相似性测度，最后结合层次聚合的多尺度分割算法，提出了基于KummerU分布的PolSAR图像多尺度分割算法。6.在PolSAR影像多尺度分割的基础上，以森林、水体和居民地为例研究了典型地物的极化特性及面向对象的快速提取方法。通过融合不同的极化特征，分别提出了具有较强适用性的森林提取因子、水体提取因子，研究了对于居民地提取比较敏感的极化特性，即圆极化基下相关系数的相位信息，提出了居民地提取因子；分别设计了森林、水体和居民地这三类主要地物的面向对象提取流程。