因拥有干涉测量与多极化测量的能力和全天时、全天候、穿透性强等优点,合成孔径雷达（Synthetic Aperture Radar,SAR）有着光学遥感所无法比拟的优势。但由于受相干斑噪声污染和成像系统模糊因素影响,SAR图像质量会受到比较严重的影响,由复原算法得到接近于完全无退化的理想SAR图像是学术界公认的最具挑战性任务。本论文利用图像的去噪和去模糊的双空域滤波解耦方法,通过改进非局部均值（Non-Local Means,NLM）的去噪算法和成像系统点扩散函数估计算法,实现了带噪声和模糊SAR图像的高质量复原。主要工作如下:首先,讨论了去噪去模糊双空域滤波解耦方案。利用仿真SAR图像建模,从PSNR和计算复杂度两个方面比较了不同解耦方法的性能,发现借由维纳滤波的双空域滤波的解耦方法性能最佳,PSNR能得到较大提升,算法计算复杂度能达到实时性要求。因此以此建立了本文的SAR图像去噪去模糊解耦算法框架。为了提升解耦算法性能,提高其去噪能力,改进了非局部均值算法。将传统邻域收集策略改为自适应的邻域收集策略;用更适合SAR图像噪声模型的均值比代替了传统的欧几里得距离作为相似性度量准则;并将其固定的衰减因子改为自适应衰减因子。对比实验表明,对于SAR图像相干斑噪声,该算法去噪效果和边缘保持能力优于原始非局部均值算法和目前广泛使用的SARBM3D算法。为了进一步提升解耦性能,提高其去模糊能力,讨论了一种SAR图像模糊核的盲估计算法。从大量真实SAR图像数据对比分析发现,拉普拉斯分布模型更适合对SAR图像模糊核建模。因此通过在对数域用梯度SAR图像的不同尺度的径向功率谱之比作为数据保真项估计以拉普拉斯分布为模型的模糊核参数,利用一系列频域多项式逼近模糊核的倒数,并计算其时域的对偶表示来得到逆模糊核,再用逆模糊核直接与模糊图像卷积得到去模糊结果。仿真测试表明,该算法可以用极少的耗时达到较好的复原效果。最后,将去噪和去模糊的算法用于双空域的滤波解耦框架中,通过优化参数形成了最终的SAR图像的去噪和去模糊的解耦方法。测试表明,针对大量人工合成的劣质SAR图像和实际采集的SAR图像,该解耦方法都能有效去除图像中的噪声和模糊,明显提高图像清晰度。