合成孔径雷达(SAR)是遥感成像系统的一种。与光学成像系统不同的是,SAR主动发射微波并接收,通过一定的信号处理方式进行成像。在一个典型的SAR数据处理及应用系统中,有多处涉及到数据传输与数据存储。SAR图像作为一种遥感图像,随着分辨率、成像方式等技术的进步,数据量也在急剧膨胀,给数据传输与存储带来极大的压力,因此数据压缩成为SAR应用系统非常重要的数据处理任务之一,也是当前急需研究解决的问题。本文针对SAR图像的统计特性以及信号表示的发展趋势,以字典学习与稀疏表示为基础模型,针对不同应用场景下的压缩任务,分别研究探讨了基于熵限制字典学习的SAR图像高效压缩方法、基于多尺度字典学习的目标保真SAR图像压缩方法、基于双稀疏字典学习模型的SAR图像嵌入式压缩方法、基于在线字典学习的自适应SAR图像压缩方法,主要工作包括：(1)基于熵限制字典学习的SAR图像高效压缩方法研究,主要用于提高压缩效率。稀疏表示模型的起始关注点在于“稀疏”,并不直接针对“压缩”。根据香农定理,最终的编码比特总数等于熵(比特／样本)乘以样本总数,仅仅只考虑“稀疏”,即样本总数,并不能最大程度地减少总编码比特数。基于此问题,我们设计出新的“熵限制字典学习算法”,通过将影响压缩性能的关键性指标——熵,考虑在字典学习与稀疏编码过程中,进而从信号表示的根源提高SAR图像压缩效率。(2)基于多尺度字典学习的目标保真SAR图像压缩方法研究,在提高压缩效率的同时提高小目标保持性能。SAR图像的成像对象是地球地物,所以其图像内容既表现出大量的匀质区域,也含有非常细小的细节目标。小目标在SAR图像中往往具有十分重要的含义,在目标识别等任务中扮演着重要角色。基于此问题,我们设计出基于SAR图像内容的“多尺度字典学习算法”,通过纹理测度对SAR图像训练不同尺度的字典,配合四叉树分解和合理的比特分配,使压缩后的SAR图像尽可能的保留原始目标信息。(3)基于双稀疏字典学习模型的SAR图像嵌入式压缩方法研究,引入了原子分析方法及嵌入式编码特性。嵌入式编码方法是指压缩码流形成的先后顺序按照其所包含信息量的重要程度排列,这种特点使其在解压缩端可以渐进式的解压。由于SAR图像常被用于敏感任务(比如军事任务),传输信道极易成为入侵方的破坏目标,因此嵌入式编码特性对SAR图像压缩非常重要。基于此问题,我们设计出“双稀疏字典学习算法”,通过双稀疏模型将基于学习的“字典”和基于规则的“变换”联系起来,进而引入原子分析方法,并依据字典结构研究SAR图像嵌入式编码方法。(4)基于在线字典学习的自适应SAR图像压缩方法研究,引入在线学习方法,使压缩算法具有更强的适应性和实时计算效率。前三个研究内容采用的都是离线训练的方式来得到压缩使用的字典。离线训练对一批有“共性”的SAR图像效果是显著的,但是也有缺点,那就是缺乏泛化能力。基于此问题,我们设计出“在线字典学习”策略,使其用于SAR图像压缩时不仅更有自适应性,而且可实时实现。综上所述,本文在字典学习与稀疏表示这一核心基础模型上,研究了如何进一步开发出更适合SAR图像的压缩算法,分别提出了可以改善率失真性能、目标保持性能、嵌入式编码性能和实时适应性的具体压缩方案。实验结果表明,各压缩方法均能有效解决相应应用场景下的SAR图像压缩问题,可有效降低SAR图像传输与存储的数据量。