为研究利用紧缩极化SAR代替全极化SAR进行海洋溢油检测的可行性，以及不同极化参数对溢油检测准确率的影响，本文利用卷积神经网络(CNN)的SAR溢油检测算法，对全极化模式及由全极化构造的紧缩极化SAR数据分别提取极化参数，研究其对于溢油分类准确率的影响；同时对比不同SAR数据预处理步骤对溢油检测精度的影响。研究结果表明，对于预处理步骤，线性拉伸方法能够有效提升溢油检测的准确率；在极化参数选择上，极化参数极化熵H在全极化与紧缩极化模式上都取得最高的分类准确率，分别为0.972和0.978。该研究结果证明了利用紧缩极化SAR代替全极化SAR进行溢油检测的可行性，在溢油检测方面具有较好的应用潜力。