针对Wishart分类器对功率具有较强的依赖性,不易区分极化SAR影像上水体、道路、裸土、阴影等弱后向散射地物的问题,提出一种利用极化目标分解和假设检验的弱散射地物统计分类方法。即在H-α初始化的基础上,使用似然比检验得出像元与每个类中心的相似性,并将其作为像元与类中心的距离测度。根据第一类错误概率和统计量的概率分布,将相似性很小的强散射点归为拒绝类,减少对分类的影响;对不能显著拒绝的像元归入具有最小统计量的类别中。通过使用E-SARL波段和Radarsat-2C波段全极化数据进行实验,结果表明本文方法有利于弱散射地物极化信息的利用,能够实现水体、道路、裸露的土壤和阴影等的精确分类。