声图像在人类生活中占据着十分重要的地位。人类通过对图像中信息的理解和分析获取有用信息，这就要求图像具有较好的视觉效果和质量。但是通过多种途径获得的各种声图像往往不能满足需求，其中主要的表现形式为对比度较低，或是具有大量的噪声。合成孔径声纳图像由于受许多干扰源以及成像和数据获取系统测量过程中噪声因素的影响，减低了图像的对比度和图像细节的可辨力，为此我们必须寻求合适的图像增强算法，来提高合成孔径声纳图像的对比度，同时有效地抑制噪声。声图像的滤波与增强是图像处理中重要的过程，通过这样的预处理，声图像可以获得更好的视觉效果、得到更突出的图像特征、为进一步的图像处理做好准备。目前用于图像增强与滤波的算法有许多。本论文主要分析了在小波域利用尺度间和尺度内小波系数相关性的空域相关滤波算法，以及小波域模糊增强的算法。空域相关滤波是利用真实信号和噪声信号在小波分解后不同尺度间存在的不同的统计特性提出的小波域滤波算法。在传统的空域相关滤波的基础上，结合模糊理论中自适应模糊权重中值滤波，本论文提出了空域相关滤波的改进算法。改进算法结合了不同尺度以及同尺度不同分量中小波系数的相关性，通过一种构造局部相关性系数矩阵的方法获得对边界点和噪声点更精准的判断。另一方面，基于模糊理论的图像增强算法在空域图像处理中表现出很好的效果，本论文将该算法应用于小波域中对近似分量的增强。对标准Lena图像进行的定量与定性的分析表明，本论文提出的基于空域相关滤波和模糊增强的图像预处理过程可以有效地提高图像的对比度，并且降低图像中噪声。最后将该算法用于合成孔径声纳图像，处理结果进一步说明了该算法的优越性。