图像去噪以及分割作为图像处理的关键技术，一直都是计算机视觉领域研究的热点和难点问题。去噪和分割都是对图像进行低层次的处理，是图像进一步分析和理解的关键步骤。对图像去噪及分割已有大量的研究方法，但至今没有一个统一的理论，还需要更深入的去研究新的理论和方法。本文致力于SAR图像去噪以及SAR图像分割、自然图像分割的研究，主要内容包括以下三方面：1.提出了一种基于Affinity矩阵的非下采样Contourlet变换的SAR图像去噪算法。该算法用Affinity矩阵来评估图像中的重要信息（边缘信息）和非重要信息（平滑区域），可以自动的产生初始化掩膜信息，避免了手动初始化，以便产生更合理的缩放因子来对非下采样Contourlet变换系数进行缩放，实现SAR图像去噪。2.提出了一种基于超像素和优化策略的图像分割算法。该算法用邻域超像素和相似超像素产生相似特征加权因子和空间位置加权因子，改善了传统FCM聚类过程中缺少空间信息的缺点，并用进化算法来来迭代优化影响因子，使分割性能随着迭代过程而趋于理想化，并将其应用到SAR图像、自然图像以及合成的图像进行分割测试，充分体现了该算法的优异性。3.提出了一种基于超像素相关特性的自然图像分割算法。该算法首先，利用超像素之间的距离信息来筛选超像素的隶属中心点，然后根据超像素之间的关联性，用分层聚类算法进一步对超像素评估分割中心点，最后根据矩阵之间的线性关系求解出超像素属于分割中心点的隶属概率，以达到准确的分割效果。