传统的单极化合成孔径雷达(SAR)只能获得特定极化方式下的雷达反射系数，提供的目标散射信息有限，而极化SAR却能获得多种极化组合方式下的回波信号，提供更丰富的地物目标散射信息。随着极化SAR成像技术的投入使用，人们逐渐意识到了极化SAR系统在国民经济和军事领域的重要作用。然而极化SAR图像遭受着严重相干斑噪声的干扰，相干斑噪声不仅腐蚀图像，降低图像质量，而且给目标识别、检测以及分类等应用带来困难。非局部均值滤波器利用图像的冗余信息，计算图像块之间的结构相似性。结构相似性的使用取决于块规则性假设：相似的块有相似的中心点，但是该假设在一些对比度明显的边缘以及亮点目标等异质区域并不成立。本文通过对多视极化SAR数据相干斑噪声模型和非局部均值的分析和研究，提出了两种相干斑噪声抑制算法，主要工作如下：(1)结合图像的同质相似性和结构相似性，提出了一种基于混合块相似性的极化SAR图像降斑算法。利用统计检验似然比构造形状自适应块，然后分别计算基于方形块和形状自适应块的结构相似性权值和同质相似性权值，得到混合相似性权值，通过加权平均得到极化SAR图像的降斑结果。通过对真实极化SAR图像和合成极化SAR图像的实验表明，该方法不仅能够抑制同质区域的相干斑噪声，而且能够改善pretest滤波的不足，即随着块大小和搜索窗大小的增加，pretest滤波不能够较好的保持细节。(2)结合Lee滤波和非局部均值滤波，提出了一种基于NLM和分布式Lee滤波的极化SAR图像降斑算法。Lee滤波利用局部统计特性衡量邻域内的同质性，非局部均值利用图像的结构信息计算结构相似性，将这两种方法自然的结合，构造了新的分布式Lee滤波，基于分布式Lee滤波的加权平均，取得了比pretest滤波更好的降斑效果。通过对真实极化SAR图像和合成极化SAR图像的实验表明，该方法不仅能更好的平衡相干斑抑制和细节信息保持，而且对非局部均值中的块大小和搜索窗大小这两个参数有良好的鲁棒性。本论文工作得到了教育部长江学者和创新团队支持计划（IRT0645）、高等学校学科创新引智计划（111计划）(B07048)以及中央高校基本科研业务费专项资金(JY10000902032)的资助。