极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR),提供了不同极化方式下地物的后向散射信息,拓宽了雷达成像的维度。相干斑抑制研究是PolSAR数据处理中的重要课题,对后续目标识别,影像分类等应用有重要的意义。随着PolSAR系统分辨率的不断提高和应用的深入,对PolSAR影像上复杂纹理和细节丰富的区域,如城区等异质性区域的处理越来越引起大家的关注。本论文主要对异质性场景下的相干斑抑制展开了研究和讨论。本文从噪声模型和统计性质等方面系统性的阐述了常用的PolSAR数据模型和相干斑模型。详细介绍了基于球不变随机矢量(spherically invariant random vector,SIRV)的异构杂波模型;基于梅林变换和矩阵对数累积量的PolSAR异质性区域及异构杂波分析方法。针对矩阵对数累积量的计算需要多视处理、计算量大等问题,本文给出了一种基于ENL参数的异质性和同质性快速简易区分方法。针对中低分辨率PolSAR影像的异质性区域,提出了基于全局加权最小二乘(global weighted least squares,GWLS)拟合方法的滤波器。该方法直接在平滑约束下全局拟合乘性波动样本点,不需要开局部滤波窗口,因此避免了滤波窗口与复杂异质区匹配适应的问题。其次,与其他优化方法相比,GWLS方法非常简单,因为它不会导致复杂的优化和迭代收敛问题。求解基于GWLS的PolSAR的滤波问题相当于求解九个稀疏线性系统。GWLS滤波器首先利用SPAN影像构造滤波引导影像,计算出五点空间异质性拉普拉斯矩阵;其次,利用拉普拉斯矩阵和一个单位矩阵的加权和构造了九个线性系统的系数矩阵;最后,通过求解具有相同系数矩阵的线性系统,在全局上同等地重建了不受斑点影响的PolSAR数据通道。对相干矩阵的每一个元素进行同等程度的滤波,有助于保留PolSAR数据的固有的散射特性。由于求解大型稀疏线性方程组在数值分析上已有了充分的研究,使得该算法具有较高的处理效率。针对高分辨率PolSAR影像的异质性区域,本文提出了一种基于SIRV模型的PolSAR相干斑抑制的双域滤波器(dual-domain filter)。SIRV模型是一个简单的杂波分解模型,它将杂波分解为两个独立域:纹理域和极化域(也称为相干斑域)。双域滤波器充分利用SIRV模型的这一特点,将PolSAR相干斑抑制任务分解为极化域滤波和纹理域滤波。极化域滤波的目的是借助大量相似像素样本通过不动点迭代估计归一化相干矩阵的稳定状态。为此,本文定义了SIRV情况下的非局部块匹配距离测量和截断阈值来选择相似的样本。纹理域滤波的目的是重建不受乘性噪声影响的稀疏的纹理影像。为此,采用了基于块排序和同步稀疏编码的变换域滤波(SARPOTDF)方法来重建纹理。最后,利用滤波后的纹理对归一化相干矩阵进行幅度调制,可以重建出极高质量的高分辨率PolSAR图像。不同系统和不同波段的高分辨滤PolSAR数据实验表明该方法能很好地处理PolSAR影像的异质性场景。