En los últimos años, las técnicas basadas en representación escasa han mostrado un gran potencial para problemas de reconocimiento de patrones. En este artículo, se investiga el problema de clasificación de imágenes de radar de apertura sintética polarimétrica (PolSAR) utilizando clasificadores basados en representación escasa (SRC). Proponemos aprovechar tanto la información polarimétrica como la información contextual combinando métodos de clasificación basados en escasez con el concepto de superpíxeles. Basado en vectores de características polarimétricas construidos apilando una variedad de firmas polarimétricas y un mapa de superpíxeles, se consideran dos estrategias para realizar la clasificación polarimétrica-contextual de imágenes PolSAR. La primera estrategia comienza clasificando la imagen PolSAR con SRC a nivel de píxel. Luego, se impone una regularización espacial en el mapa de clasificación a nivel de píxel utilizando votación mayoritaria dentro de los superpíxeles. En la segunda estrategia, la imagen PolSAR se clasifica tomando los superpíxeles como elementos de procesamiento. Se emplea el clasificador basado en representación escasa conjunta (JSRC) para combinar la información polarimétrica contenida en los vectores de características y la información contextual proporcionada por los superpíxeles. Los resultados experimentales en conjuntos de datos PolSAR reales demuestran la viabilidad de los enfoques propuestos. Se ha demostrado que el rendimiento de clasificación mejora al utilizar información contextual. Una comparación con varios otros enfoques también verifica la efectividad del enfoque propuesto.