合成孔径雷达(SAR)具有全天候、多极化、多视角、多俯角数据获取能力，在军事上和民用上都具有极高的应用价值。对SAR图像的处理和识别技术研究已成为国内外遥感应用研究中热点之一。 本文主要就SAR图像相干斑噪声抑制方法和纹理分析在SAR图像识别中的应用进行了相关的研究。 为解决斑点噪声对SAR图像目标识别的影响，本文对各种空间滤波算法和小波去噪算法对SAR图像的滤波效果进行了比较，针对现有的小波阈值算法，结合两种阈值法的各自优势，提出了一种软阈值法和硬阈值法结合的去除斑点噪声方案，自适应地选择基于软阈值和硬阂值去斑点噪声的方法。这种算法在有效消除斑点噪声的同时，也能有效的保留图像的边缘和纹理结构。 本文还研究了纹理分析方法和多分辨率分析方法在SAR图像识别当中的应用，并以提取村庄面目标为例，在从理论上和实验上分析了村庄的纹理特征之后，提出了一种有效的识别算法实现对村庄的识别。在多分辨率分解图像的基础上，利用灰度共生矩阵，提取出图像的三个纹理特征，分层对图像进行分类判决。然后对低分辨率图像的判决结果做形态学处理，消除虚警并归整识别结果，提高识别结果的鲁棒性。最后以低分辨率大尺度图像的识别结果为引导，结合高分辨率小尺度的判决结果，得到细化的识别结果，进一步提高村庄识别的准确性和边缘的提取精度。这种以低分辨率引导，以高分辨率结果细化的策略，既能提高算法的鲁棒性，尽可能减少错判情况，又克服了大尺度的低分辨率层图像识别无法保证目标边缘精度的弱点。 针对传统的灰度共生矩阵计算量过大的问题，本文提出了一种可推导出快速计算公式的累计跳变特征ASF，来表达图像的纹理。本文从理论和实验上分析了灰度共生矩阵和ASF特征的计算复杂度，并利用ASF特征对村庄做目标识别，也得到了不错的识别效果，而这种特征计算时间比共生矩阵快20倍以上，因此具有一定的应用价值。