极化合成孔径雷达（PolarimetricSynthetic Aperture Radar，PolSAR）通过不同的天线收发组合形式获取反映目标散射特性的极化散射矩阵，从而比传统的单极化合成孔径雷达得到更为丰富的地物信息。其应用前景也得到更大的扩展，已在军事、农业、水利等领域得到了广泛应用，并发挥着重要的作用。　　极化SAR的相干成像机理导致图像中产生相干斑噪声，严重影响了SAR图像质量，干扰了后期的解译工作，因此相干斑抑制是极化SAR图像应用前的关键预处理工作。而在进行极化SAR图像的相干斑抑制时，目标的极化特性和结构需要最大程度的保持，本文即针对保持极化散射特性和结构特征研究降斑算法。　　首先分析了经典的Lee基于散射模型降斑算法，在此基础上给出了基于多级分类的极化SAR斑点抑制算法。该方法利用极化分解、分类的思想对极化SAR图像按散射特性进行h/q初分类，克服了散射回波的随机性及Freeman分解非旋转不变的局限性，并根据最小距离准则、聚合的层次聚类方法进行无监督分类。然后通过结构检测对像素结构类型分类，最后按最小均方误差准则（MMSE）加权滤波。采用美国宇航局喷气推进实验室（NASA/JPL）的AIRSAR系统在Half moon bay地区采集的实测数据进行实验，结果表明，该算法不仅斑点抑制效果好、而且还有效地保持了极化特性和图像的纹理特征。由于该算法运算量稍大，本文又给出利用相干矩阵对角线元素分类的方法，对像素划分初始大类后再采取多级分类算法抑制相干斑。该算法在继承了多级分类降斑算法降斑效果好、保持散射和结构特征好优点的同时，降低了运算量。　　另外，在散射矩阵相似性基础上，本文给出了一种通过相干矩阵矢量化计算相干矩阵之间相似系数的简单有效方法并考察了相关性质，据此给出一种基于相干矩阵相似性的降斑新算法。该算法首先采用去取向理论对数据进行预处理，计算每个像素与其邻域内其他像素相干矩阵之间的相似系数，之后在图像中选择几块均匀程度不同的区域计算阈值矢量，最后按阈值矢量划定的相似度级别判断像素结构类型、筛选像素降斑。分别采用AIRSAR系统在旧金山地区、UAVSAR系统在Hayward地区的旧金山国际机场上空采集的实测数据进行实验，结果表明，本文算法不仅在相干斑抑制效果和图像的边缘保持能力上优于Lee J.S.的基于散射模型降斑算法，而且可以极大地保留目标的极化散射特性。