本发明公开了一种基于面向对象随机森林的极化特征选择及分类方法，解决了众多极化特征参与分类时的特征选择与图像分类问题。该方法采用面向对象方法对特征集合进行多尺度分割，对分割后的样本对象进行随机森林建模，并计算每个特征的重要性，采用序列前向选择算法进行特征集优化。本发明采用面向对象的随机森林方法提高了模型训练效率和分类精度。采用序列前向选择算法结合精度最高这一迭代终止条件进行最优特征子集的构建，避免陷入局部最优解。该算法可以在提高分类精度的同时，为合理优化特征集提供定量参考。