极化合成孔径雷达图像分类是遥感图像处理的关键。现有的高分辨极化合成孔径雷达图像分类方法存在多通道数据结构复杂、异质地物判别特征提取困难等问题。针对上述问题，本书构建了基于视觉认知驱动的一系列极化合成孔径雷达图像分类模型和方法。主要内容包括：构建新的边缘检测模型，有效检测异质地物内部结构和弱边界；建立极化合成孔径雷达图像视觉层次认知表征，实现极化合成孔径雷达图像复杂场景的语义划分；建立基于视觉层次语义模型和极化特性的极化合成孔径雷达图像地物分类方法；建立基于素描图和自适应马尔可夫随机场的极化合成孔径雷达图像分类算法，自适应学习同/异质地物判别特征和精确边界信息；本书探索了视觉认知和数据联合驱动的极化合成孔径雷达图像分类新模型和新方法，实现极化合成孔径雷达图像复杂场景的多地物精准分类，为极化合成孔径雷达图像解译和目标识别提供新思路。本书既可以作为高等院校计算机科学与技术、人工智能等专业的研究生教材，也可作为相关领域技术人员的参考用书。