摘要：发展了一种基于极化散射特征的全极化SAR影像分类方法,探索了Stokes矢量特征作为分类特征的有效性,通过遗传算法耦合SVM的特征选取方法（GA-SVM）有效解决了分类器泛化不足的问题.以一景高分三号（GF-3）全极化影像作为主要的数据源,与同步外业调查获取的地面实况数据进行对比,结果表明所设计的待选分类特征集与特征选取方法得到的特征组合取得了较好的分类效果,总体精度达到90.00%,Kappa系数为0.87,影像部分地物的错分、误分现象得到改善.这表明：（1）GA-SVM的特征选取方法可以在有效地降低分类特征维度的同时提升目标SVM分类器的分类精度;（2）将Stokes矢量元素及其分解特征作为分类特征,可有效提升非参数模型分类的精度.

关键词：极化散射特征 stokes矢量特征 遗传算法特征提取 svm分类器 

单位：内蒙古师范大学地理科学学院; 内蒙古呼和浩特010022; 中国林业科学研究院资源信息研究所; 北京100091