上个世纪九十年代合成孔径雷达取得长足的发展,欧洲遥感卫星、加拿大雷达卫星等各类合成孔径雷达成像系统陆续升空,实现了长期持续地对地球表面的观测.同时我国的SAR成像系统近年来也得到了越来越广泛的应用.各类合成孔径雷达设备获取了海量的SAR遥感数据,如何分析利用这些雷达数据和图像,有效地服务军事需求和国民经济需要是一个重要的研究课题.随着SAR成像技术的日臻成熟,SAR图像的信息处理技术显得尤为重要.信息处理的一个重要基础是用信号处理手段改善SAR图像的质量,更好地为信息提取服务.其中SAR图像相干斑的抑制是改善图像质量中一个不可回避的问题,而SAR图像中感兴趣目标的局部方向特征常常包含了重要的信息.本论文以小波变换为主要工具研究了SAR图像相干斑的抑制方法,以及SAR图像中局部方向特征的提取方法。主要的研究内容包括以下几个方面:(1)基于改进匹配滤波器的SAR成像方法.传统的匹配滤波器是以最大信噪比准则为基础的,这对于目标检测是最优的.然而,在SAR图像理解和信息提取中,目标检测和分辨是同等重要的.借鉴于图像处理中Canny边缘检测的多准则联合考虑的思想,在SAR成像的匹配滤波器设计中,我们联合考虑了三个方面: a)输出信噪比; b)滤波器局部约束; c)振荡最小化从而设计出改进的匹配滤波器用于SAR成像.改进的匹配滤波器在保证较高的输出信噪比情况下,减小了强散射点附近的Gibbs震荡,改进了SAR图像中邻近目标的分辨效果.(2)小波域SAR图像相干斑抑制算法. SAR图像斑点噪声符合典型的乘性噪声模型,这与传统的光学图像中广泛研究的加性噪声模型是不同的.本文完成以下几个方面的工作,提取简单的Bayesian阈值算法用于去除SAR图像的斑点噪声. Bayesian阈值方法的简单性体现在两点,一是没有使用同态变换来去除SAR图像的噪声,另一点是充分利用Bayesian阈值算法的简单计算方式.小波域系数常用广义高斯分布来描述,本文提出使用广义高斯分布来估计小波系数方差以实现图像的双重维纳滤波算法,这里提出一类无偏的方差估计方法.在此基础上,考虑到SAR图像背景的多变性,非对称广义高斯分布模型被提出以取代原来的广义高斯分布模型来描述投影域的小波系数,非对称广义高斯分布是广义高斯分布的扩展分布模型.(3)SAR图像非线性去噪.在基于小波的SAR图像去噪算法中,细节保持和平滑是总是相互冲突。SAR图像中的强斑点噪声呈现脉冲特性,因此这些噪声像素点难以用线性平滑滤波器滤除.众所周知各类中值滤波算法适合去除脉冲噪声并能很好地保持像边缘这样的细节结构.这里,我们使用基于局部几何结构的中值滤波器抑制SAR图像斑点噪声.该算法结合了传统空域Gamma MAP算法和细节保持的中值算法.首先使用Gamma MAP算法滤波SAR图像,滤波后的图像包含一些或“亮”或“暗”而明显不同于它周围像素的像素点.这些像素点可能属于剩余脉冲噪声或SAR图像的边缘.这里,我们使用局部几何结构来分类脉冲噪声或细节像素.中值滤波器滤除脉冲噪声而细节点保持不变.实验结果表明提出的非线性滤波器方法较好地保持了SAR图像的细节同时抑制了斑点噪声.(4) SAR图像边缘精确定位与局部方向特征提取算法.斑点噪声严重干扰SAR图像的边缘检测,甚至边缘定位的准确性.文中认为边缘位置估计误差与窗口的形状有很大关系,进而改进传统窗口中心边缘滑窗提出沙漏型窗.方向提取是几何结构分析的有效途径,这类算法对普通图像和光学图像都是有效的.使用导向滤波器能够提取图像任意方向信息,文中从离散的导向滤波器出发获得图像方向信息,并且使用没有解析表达式的尺度函数和小波函数获取图像的方向信息.