合成孔径雷达(synthetic aperture radar,SAR)是一种新兴的微波遥感技术,被广泛地应用于用地质探测、灾情监测、海洋探测、环境监测和军事系统等各领域中。由于采用相干波源,在获取SAR图像过程中将不可避免的引入相干斑,相干斑严重降低了SAR图像的可解译性,阻碍了人们对地物判读。因此,SAR图像的相干斑抑制问题一直是SAR图像处理领域中的热点问题。理想的去斑算法应该是既要兼顾斑点噪声的滤除,又要保护图像边缘细节信息,但目前并没有一种方法能够完美的满足这两点要求。近年来,在SAR图像处理领域,一个被国内外学者关注的热点问题是异质性测量方法与分析。异质性反映了图像区域内信息差异性程度,可以分辨出图像中纹理信息和后向散射系数的变化。本文以SAR图像异质性测量为手段,在小波域中开展SAR图像去斑算法的研究,主要创新工作如下:(1)研究了SAR图像多尺度异质性测度的表示方法、统计分布,提出了一种多尺度异质性测度的理论分布模型、以及模型参数的估计方法。具体的说,本文以多尺度局部变差系数(MLCV)作为异质性测度,通过统计MLCV直方图分布,提出用对数正态分布对其建模,并以此模型估计MLCV的模态(mode)参数。(2)提出了一种基于异质性分类的小波域贝叶斯去斑算法。在非同态框架下,将小波域中的后向散射信号和斑点噪声分别建模为正态逆高斯分布、高斯分布,在贝叶斯最大后验准则下推导出信号估计的表达式;为了提高模型参数的估计精度,引入多分辨率局部变差系数(MLCV)作为异质性测度,并基于MLCV对小波子带中的系数进行分类,用累积量的估计方法计算每一类小波系数的模型参数。仿真实验验证了这种新算法的可行性和有效性。(3)针对真实SAR图像在去斑过程中易存在的过平滑现象,提出了一种基于异质性测度的自适应预矫正方法。对含斑图像做小波分解,以多尺度局部变差系数(MLCV)作为异质性测度,提出一种基于该测度的自适应预矫正函数,将小波子带划分为四类区域,对不同区域采取不同的预处理策略;在此基础上对预矫正图像采用常规的小波域去斑算法。对真实SAR图像去斑的实验表明,该方法在抑制相干斑和保持图像细节方面均有较显著的改善。这种预矫正过程简单、实用,并且可以和多种常规的去斑算法相结合,具有一定的推广和应用价值。