提出一种基于偏振光谱二向反射分布函数图像的物质自动分类方法，该方法主要选择偏振光谱二向反射分布函数信息作为新的特征用于物质自动分类.采用支撑向量机的分类方法对不同的天气条件(晴天、多云、阴天)下处于杂乱的自然草地背景环境中的典型目标进行分类，最后比较三种不同特征选择对于分类准确度的影响.采取三种不同的特征选取方法，分别为采用单一的光谱特征、偏振光谱特征及偏振光谱二向反射分布函数特征.最后通过实验得出：将偏振光谱二向反射分布函数作为分类特征在三种不同的天气情况下，分类准确度都较高，特别是在阴天天气条件下，分类准确度明显高于其它两种特征选择.即使是在阴天低照度下的场景中，当不同目标和背景之间的灰度很接近时，采用本文方法也能准确的进行自动分类.

通过比较测量方法测量得到绿漆涂层木板探测目标在400～720 nm的光谱偏振二向反射分布函数值, 从获得的户外试验测量数据入手, 分析与探测角、 波长之间的关系, 通过有限探测条件得到的光谱偏振二向反射分布函数值(BRDF)建立光谱偏振BRDF模型, 来描述探测目标的偏振二向反射特性。 其中利用基于小面元的模型建立光谱偏振BRDF模型, 利用遗传算法和Levenberg-Marquardt(LM)算法相结合的优化算法来获得非线性模型参数。 仿真实验结果表明采用的遗传LM优化算法具有较好的性能, 能较快较准确得到非线性的模型参数。 真实实验数据证明了基于小面元模型的正确性, 表明光谱偏振二向反射分布函数建模方法结果的可靠性。 最后与绿漆涂层铁板目标的模型反演参数进行比较得出： 2种不同材质、 相同颜色涂层的目标, 具有较为接近的折射率, 其较小差别可以理解为由涂层的厚度、 均匀程度的不同导致, 而非不同的材质所引起。on GA-LM Method