随着合成孔径雷达(SAR)成像分辨率的不断提高和对SAR图像解译研究的持续深入,SAR图像增强领域的应用也逐渐被关注。当前针对SAR的干扰技术呈现多样化趋势,它们的目的都是要破坏SAR对目标场景的探测,从而使雷达系统不能得到目标图像的准确信息。图像增强算法不可避免会影响干扰效果,为了保证对SAR干扰的有效性,分析图像增强算法对干扰效果的影响十分必要。首先,本文回顾了SAR的应用背景和SAR对抗技术的发展。介绍了针对SAR的干扰样式和SAR图像增强的方法。在SAR干扰技术方面,有源噪声干扰的发展较为成熟,有着深厚的理论基础。有源噪声干扰易于实现,方便操作,在实战过程中也被广泛应用,是一种重要的干扰方式。图像增强方法上,研究的热点有基于图像变换域处理的小波变换方法,基于压缩感知和稀疏理论的鲁棒主成分分析(RPCA)方法等。然后,探讨了SAR的成像原理,从几何场景出发,建立了SAR成像的距离模型,介绍了RD处理算法。然后给出了噪声干扰包括系统噪声、相干斑噪声和有源噪声干扰的具体数学模型,包括射频噪声干扰、噪声调幅干扰、噪声调频干扰和噪声调相干扰,并且阐述了SAR图像质量的影响因素和干扰效果评估方法。接着,选取小波变换去噪方法进行了详细地论述,介绍了基本的小波函数和类型,详细地论述了小波去噪的方法和在图像上的应用。并着重对全局阈值和分层阈值去噪方法进行了实验仿真。结果表明,全局阈值在滤除噪声的同时会舍弃图像的部分细节信息,使图像模糊难辨。分层阈值在保留图像特征的同时,又可以抑制一定程度的噪声干扰,降低了图像的判读难度。最后,简单介绍了PCA方法,然后过渡到RPCA,对于RPCA进行了详细的数学推导和论证,并介绍了RPCA对于SAR图像去噪的基本思想。将该方法应用到噪声干扰处理上。通过实验仿真得出结论。在图像指标上,RPCA对抑制四种有源噪声干扰方式的作用效果相似。从RPCA执行性能上分析,处理噪声调幅干扰和噪声调相干扰的计算次数最少,其次是射频噪声干扰,最后是噪声调频干扰。因此在对实时性要求高的应用场合下,可以考虑使用RPCA处理噪声调幅干扰和噪声调相干扰。本文对SAR成像的图像增强干扰的研究还很片面。首先从SAR系统上,未使用真实的SAR系统参数,对仿真的场景模型做了简化;干扰方式上只选取了其中较为典型的四种噪声干扰进行了研究;小波变换方法中仅仅从去噪效果进行了论证,对于场景目标的特征提取,边缘检测方面还未做进一步探究;RPCA去噪处理中,关于模型求解的ADMM算法可以考虑使用分布式计算解决,从而进一步提高效率。