合成孔径雷达(Synthetic Aperture Radar,SAR)图像辐射分辨率是一个用于衡量SAR图像中地物目标信息区分难易程度的性能参数。该参数由两个指标决定:一是系统的信噪比(Signal to noise ratio，SNR)。信噪比是一个系统的指标，在成像处理阶段与SAR信号脉冲压缩匹配滤波有关;二是雷达图像的等效视数(Equivalent number of looks，ENL)，该指标与点目标冲击响应波形的旁瓣水平及图像的统计特性有关。伴随着雷达技术的快速发展，SAR为地球遥感领域带来了更高的定量测量精度的高分辨率遥感影像，但同时也带来了新的挑战。目前研究表明早期低分辨率SAR图像统计分布特性在新一代高分辨率SAR图像中不再成立的可能性增大。论文针对高分辨率雷达图像提出的新的问题与挑战，为增强高分辨率SAR辐射分辨率，从SAR雷达信号波形设计、旁瓣控制、相干斑滤波三个方面进行了深入研究，取得的主要创新性成果如下:　　(1)分析了不同旁瓣抑制方法对SAR图像的相位信息保持能力。高分辨率SAR图像的相位信息在其定量应用中起着重要作用。因此在保持图像的相位信息要求下抑制旁瓣，必须加对称的窗函数。然而加窗处理会导致主瓣展宽图像分辨率下降。论文以主瓣宽度为约束，提出了一种基于萤火虫算法(FireflyAlgorithm，FA)的窗函数优化方法。优化窗与经典参考窗函数相比，主瓣不展宽并具有更优的峰值旁瓣比。仿真及实测数据实验验证了优化窗抑制线性调频信号(Linear frequency modulation，LFM) SAR图像旁瓣的有效性。　　(2)定量研究了LFM信号加窗抑制旁瓣导致图像信噪比下降的问题。比如，现有德国宇航局的TerraSAR-X及意大利的Cosmo-SkyMed等SAR雷达图像加窗处理后，图像SNR下降1～2dB左右，这相当于雷达发射功率下降了20％～37％。不同于LFM信号，非线性调频信号(Non-linear frequencymodulation，NLFM)能产生等效于LFM信号加窗后的旁瓣效果，但不损失系统信噪比。论文提出了一种基于贝兹几何曲线的NLFM信号设计及优化方法。首先利用贝兹曲线定义得到多样性丰富的NLFM信号。然后采用遗传算法(Genetic Algorithm，GA)及萤火虫算法进行优化NLFM信号。最后通过数值实验验证了提出方法的有效性，并由结果表明经萤火虫算法优化的NLFM信号性能优于遗传算法的性能。　　(3)基于相位复原数学思想，提出了一种同时宽NLFM正交信号设计方法，并率先利用NLFM信号成功抑制SAR距离模糊，使得NLFM信号不仅有效抑制旁瓣、保持信噪比，并同时能抑制距离模糊。设计得到的NLFM信号在时域上波形上各异，但存在以下共同点:相同的脉冲宽度、信号带宽、PSLR及主瓣宽度，并具有近似正交的特性:自相关函数为一冲击、互相关函数输出的值远小于自相关输出的峰值。经数值及仿真实验表明由这些信号对图像的第一旁瓣能抑制至-40dB，并能保持信噪比;具有优于正负调频信号的距离模糊抑制性能。　　(4)提出了一种基于高阶的马尔科夫模型（Markov random field,MRF）图像先验学习方法。与低阶模型相比，高阶马尔科夫模型更适合表达高维变量先验信息。在数据的观测空间中，单视SAR图像的幅度分布为瑞利分布，多视图像的幅度服从的Nakagami分布。由于地物的散射过程复杂，地表的地物信息包罗万象，真实后向散射系数SAR图像及其先验知识难以获取。因此本文利用地球表面光学图像与滤波后的真实SAR图像作为近似真实后向散射系数图像样本，利用两层优化模型(bi-level optimization)学习训练得到了马尔科夫模型的参数。实验结果表明学习得到的先验在SAR图像相干斑滤波上具有良好的细节保持及均匀地区平滑滤波的能力，并表明利用滤波后SAR图像样本学习得到的先验模型的性能优于光学地表图像及自然图像的先验模型。　　(5)率先提出了非平稳相干斑及其有效滤波方法。在早期的低分辨率雷达中，雷达发射信号的波长远小于分辨率的尺寸。因此这些图像里的分辨单元内的散射体个数可认为有足够多，使得可使用大数定理推导得到单视的SAR图像幅度服从瑞利分布。但雷达的分辨率与波长相当时，分辨单元内的散射体个数大大减小，原有的概率分布模型不再成立。针对非均匀区域，图像特性更加不平稳。因此在高分辨率非平稳图像中的相干斑将是非平稳非高斯模型。论文提出了混合对数正态分布模型以描述非平稳非高斯图像的分布。混合模型的参数利用期望最大(Expectation maximization，EM)迭代计算得到。基于混合模型及高阶马尔科夫图像先验模型，提出了高分辨率SAR图像非平稳相干斑滤波方法。由仿真及实测数据实验表明提出的方法优于当前国际主流算法性能。　　(6)基于非局部均值(Non-local Mean，NLM)思想，提出了一种适用于平稳及非平稳图像的统一滤波框架。该方法首先通过对数运算把相干斑乘性模型转化成加性噪声模型。在对数域中，利用图像块的相似性通过(Kolmogorov-Smirnov,KS)距离测量。变换图像的噪声浓度通过高斯混合模型(Gaussian MixtureModel，GMM)估计。图像块依据相似度进行组合，再进行主分量(PrincipalComponent Analysis,PCA)分解。在PCA域中，进行紧缩(Shrinkage Operation)滤波操作。仿真及实测数据表明该方法对于平稳及非平稳SAR图像具有优良的滤波性能。