本文的主要内容是有关合成孔径雷达(Synthetic Aperture Radar,SAR)图像纹斑噪声抑制算法的研究。由于SAR具有全天时、高分辨率和穿透一些地物的特点,使它在地球科学、生态科学、水文科学等研究领域发挥着越来越重要的作用。然而SAR是一种相干的成像系统,在其形成的图像中将不可避免地产生一种称为纹斑的噪声,且这种噪声随着目标平均后向散射强度的增加而加大,表现出乘性噪声的特征。纹斑噪声的存在严重地影响了SAR图像的质量,阻碍了SAR图像产品的进一步开发和利用。因此,如何有效地抑制纹斑噪声成为了SAR图像处理的一个关键环节。本文对如何提高纹斑噪声抑制算法的性能进行了深入的研究。首先,我们研究了关于空间域的统计特性自适应纹斑滤波算法的结构和思想。提出了一种基于各向异性扩散的改进的Frost滤波算法(ADFF算法)。与传统的Frost算法不同的是,ADFF算法的滤波加权系数是各向异性的,或者说是具有方向性的,根据局域窗口内边缘信息(包括边缘的有无和边缘的走向)来改变滤波加权系数的大小和方向。这种各向异性的特点,一方面可以更好地抑制纹斑噪声,另一方面又能更好地保持和增强图像的边缘细节特征。其次,我们将SAR图像通过小波变换,研究分析了有关SAR图像小波系数的统计特性,提出了两种基于小波域的纹斑噪声抑制算法。首先,我们提出了一个基于小波域的隐马尔可夫树(HMT)模型和高斯马尔可夫随机场(GMRF)模型的纹斑抑制算法(称为H-GWavelet-based算法),该算法利用HMT和GMRF模型来刻画图像小波系数的统计特性,综合考虑了小波系数尺度内、尺度间和方向子带间的相关性,提高了斑噪声抑制的性能。此外,我们还提出了一种相对简便的算法——利用Cauchy概率分布模型的最大后验概率(MAP)小波算法(称为Cauchy MAP wavelet-based算法)。该算法利用了Cauchy概率分布模型对对数变换后的小波系数的分布进行建模,然后利用MAP准则进行滤波估计。在该算法中,我们采用了“第二类统计特性”来估计Cauchy模型参数,这使得参数的估计更加简便有效,从而提高了算法的性能和计算的效率。最后,在图像多尺度几何分析思想的指引下,通过一种图像多尺度几何分析的方法——contourlet变换,我们研究了有关SAR图像contourlet系数的特性。将GMRF模型和小波域的HMT模型推广到contourlet变换域中,提出了一种基于contourlet变换域的HMT(CHMT)模型和GMRF模型的纹斑抑制算法,称为CHMT-G Contourlet-based算法。此外,在该算法中我们还定义了一个称为子带间方差系数(IDVC)的参数,从而可以更充分地反映contourlet系数与其广域邻域系数之间的相关特性。实验研究表明CHMT-G Contourlet-based算法可以更好地保持图像边缘等结构特征,使得去斑图像具有更好的视觉效果。为了验证上述算法的有效性,在实验中,我们利用了仿真斑图像和实际的SAR图像数据,通过斑图像滤波后的视觉效果和一些常用评估指标的计算结果,全面地对算法的性能进行比较和评估。