该文提出了基于Fisher准则相对最优极化(Fisher-OPCE)的监督极化SAR图像的分类方法。首先，结合广义相对最优极化的思想，利用3个反映目标极化散射特性的参数对Fisher-OPCE进行了改进。以改进的模型为基础，提出了一种类似单边二叉树的分类方法，以保证功率差别较大的两类地物的错分现象尽量小；其次利用极化参数组合的系数对分类结果进行了优化。利用NASA／JPL的AIRSAR系统对美国旧金山地区的实际观测数据进行分类，结果表明用此方法可以清晰的显示出分类地物的纹理信息，每类目标的散射特性保持一致
