合成孔径雷达(Synthesis Aperture Radar,SAR)具有全天候全天时以及远距离成像的能力。因SAR良好的性能,在军事和民用领域都得到广泛的应用。SAR原始图像需要SAR图像解译后才能获得感兴趣的目标,而SAR图像的相干斑抑制和图像分割是SAR图像解译预处理阶段的关键步骤。在SAR系统中,相干斑噪声的存在会模糊SAR图像细节,限制SAR图像的解译工作,严重时导致SAR图像解译失效。SAR图像分割是SAR图像进行目标识别和特征提取的基础,对SAR图像进行精确的分割能够提高SAR图像的可读性,因而SAR图像的分割能够推动其在各领域的应用。本文主要工作如下:为了提高SAR图像相干斑抑制的性能,本文开展了用于图像去噪的非局部均值(Non-Local Means,NLM)算法的研究,针对NLM算法进行SAR图像相干斑抑制时鲁棒性差以及非均匀样本带来的性能恶化的问题,提出了基于最大比率距离的加权非局部均值算法。该方法在NLM算法的基础上通过设计最大比率距离进行图像子块间的相似性度量,推导证明了该相似性度量方法更适用于SAR图像中的乘性噪声环境。同时,针对受噪声污染严重的图像,利用一个二值加权矩阵剔除邻域内与中心像素差异过大的像素点,从而避免了进行相似性度量时,邻域灰度矩阵间出现不合理的相似性计算结果。另外,在选择高斯核函数滤波参数时,研究了根据搜索域内像素与中心像素的相似程度选择参数的方法,避免了不合理地设置滤波参数。最后为了更准确地说明针对乘性噪声的滤波效果,采用了等效视数、边缘保持系数和峰值信噪比评价所提方法对相干斑噪声的抑制效果,实验结果证明了所提算法的有效性。为了提高SAR图像分割的性能,首先研究了标准模糊C均值聚类(Fuzzy C-means Clustering,FCM)算法,发现标准FCM算法需要人工参与确定聚类中心和聚类数,而人工无法保证聚类数的准确性。针对人工参与带来的分割性能下降和实时性难以满足要求的难题,利用平滑直方图中一个波峰表征SAR图像一个一致性区域的特性,确定聚类中心和聚类数。首先计算SAR图像的平滑直方图来减少直方图毛刺现象,利用SAR图像的统计信息,通过检测SAR图像的平滑灰度直方图的峰值获取聚类中心和聚类数,从而减少算法的迭代次数以及提高聚类精度。为了进一步提高聚类精度,研究了利用图像冗余信息和类间离散度信息的改进FCM算法,即基于最大比率距离非局部的模糊紧致分离算法。为了验证所提算法进行SAR图像分割的实验结果,分别采用了模拟图像和真实SAR图像进行分割处理,另外还设置了不同聚类中心的对比实验,实验结果证明了所提算法具有更精确的图像分割结果。