本文以Contourlet域隐马尔可夫模型为主线，研究了图像经Contoulet变换后其系数的统计特征和相互关系，在此基础上建立Contourlet域的隐马尔可夫模型，并对模型的解算方法进行了研究和改进。最后，应用该模型，在SAR遥感图像的斑点噪声滤除和影像融合两个方面进行了尝试。 在简要介绍SAR图像相干斑产生的机理及其统计模型和统计特性、隐马尔可夫模型建模原理以及模型训练和参数的解算、Contourlet变换的基本思想及其实现等必要的背景知识之后，研究了Contourlet系数之间的统计规律，给出了可以用混合高斯模型描述Contourlet系数统计分布的结论；然后，结合隐马尔可夫模型，建立了Contourlet域的隐马尔可夫模型(CHMM)，并介绍了利用EM算法进行模型训练和解算的方法：针对CHMM训练速度慢的问题，提出了一种基于粗分类的绑定方法，提高了CHMM模型训练的精度和速度；针对Contourlet域的特点，建立了一种基于局部上下文关系的Contourlet域隐马尔可夫模型的上下文因子的选取和计算的方法。 在建立了 CHMM 模型并解决了模型的训练和求解问题之后，综合运用对数变换、均值校正、循环平移等技术，建立了统一的SAR图像滤波框架，在此框架下，可将各种不满足平移不变性的算法应用于SAR图像滤波处理。利用多种CHMM，在统一框架之下对SAR图像的斑点噪声进行滤波处理，通过对模拟影像和真实SAR影像的试验，并跟几种常用的滤波算法进行比较，证明在统一滤波框架之下利用CHMM模型对SAR图像滤波是行之有效的。 为了进一步拓展CHMM在遥感图像处理中的应用，接下来研究了利用CHMM进行多源遥感影像融合问题。通过引入通用传感器模型，利用CHMM对多传感器图像的训练结果，综合不同传感器图像中的成像数据，获得对融合影像的最大后验概率估计值，从而完成图像的融合。通过可见光数据之间的融合和SAR与可见光数据之间的融合，对该方法和几种常用的方法进行了试验，证明CHMM模型在影像融合方面有一定的潜力，对于后续研究工作有一定的价值和意义。