杂波是雷达信号处理的固有环境，杂波的统计分布特性研究具有非常重要的意义，可以有利于更深入的理解杂波散射特性，有效指导雷达目标检测算法的设计和改进。对于合成孔径雷达来说，还可以有效指导SAR图像滤波、分类和分割的研究。随着分辨率的提高，杂波统计分布特性越来越复杂，本文深入研究了高分辨SAR杂波统计分布特性和其在SAR图像分类中的应用。首先，分析了SAR图像的固有特征(包括相干斑、阴影，透视和收缩等)、系统参数和地域特征对SAR图像的影响，以及典型地物在图像中的表现形式，重点分析了相干斑机理、模型，及SAR回波乘积模型。接着，分析了一类基于实验得出的经验模型，并且通过对真实SAR杂波数据的拟合实验，讨论了这类经验模型的适用性，研究表明这类经验模型对高分辨SAR杂波适用范围有限，只适合描述某些特定类型的SAR杂波，并且，随着杂波不均匀性的增加，这些经验模型的拟合效果变差。本文重点分析了一种基于乘积模型的广义复合分布模型(GC分布模型)。从分布的构成导出了该分布衍生出的一些特例，讨论了该模型参数的渐变性，分析该模型的参数估计，发现其实际上是一个全局最优的问题，提出了一种将拟牛顿法和随机搜索法结合起来寻找全局最优点的参数估计方法，并且通过实验验证该模型的正确性和适用性。最后，在深入分析了SAR杂波分布模型的基础上，提出了基于GC分布模型的SAR图像分类方法。该方法采用K近邻法收集样本，并以最小错误率Bayes决策准则来进行SAR图像分类。通过对仿真实验验证了该方法的有效性。