随着我国星载SAR卫星的成功发射，星载SAR图像的数据资源越来越丰富，SAR图像可以全天时全天候获取，有效弥补了星载光学图像获取受白昼交替和大气气象条件影响的缺陷。但 SAR 图像的解译比光学图像复杂，对于人眼而言，SAR 图像的直观性不如光学图像。所以迫切需要将SAR图像向光学图像转换或逼近。而SAR的特殊成像原理会导致SAR图像相干斑噪声严重、图像动态范围较高、几何畸变等。本文针对SAR图像预处理技术，对基于稀疏表示和变换域的SAR图像相干斑抑制、高动态范围SAR图像增强技术、与同场景光学图像特征逼近等问题展开研究。主要研究内容与成果如下：　　（1）基于高斯比例混合模型，根据贝叶斯原理以及相干斑的统计特性进行数学建模，推导出适用于SAR图像降斑的稀疏表示模型。在块匹配过程中使用概率分布计算图像块之间的结构相似度，有效区分出了同质区与异质区，并得到了图像块的较优均值估计。使用迭代正则化方法对数学模型进行了求解，所得最优解即为去噪后的图像。实验结果表明，该算法在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。　　（2）提出了在NSCT域内结合自适应收敛与稀疏表示进行滤波的算法。研究了相干斑噪声在高频子带的统计特性，由此将高频子带相干斑抑制过程转化为恢复子带稀疏度的问题。使用先验比及后验比对高频子带进行掩码估计并实现自适应收敛，滤除部分相干斑，以此减小在利用高斯比例混合模型对高频子带进行稀疏表示的过程中噪声对字典训练的影响。实验结果表明，所提算法在降斑性能良好的同时具有较优的边缘及细节保持能力。　　（3）针对高动态范围SAR图像，使用对比度-色调映射优化方法实现图像增强。将色调连续这一约束条件加入到对比度增益模型中，当对比度增益最大化时避免了色调失真，算法简单有效。实验结果表明，该方法对于背景信息较暗、目标较亮的高动态范围SAR图像有很好的增强效果，较好地提高了图像对比度。　　（4）研究了基于ENVI平台的SAR数据处理方法。在ENVI平台上使用SARscape软件对SLC型SAR数据进行了多视、滤波、地理编码与标定等预处理，并使用基于图像结构信息的相似度测量指标对处理后的SAR图像与同场景光学图像进行相似度评估。实验结果表明，处理后的SAR图像与同场景光学图像相似度提高。