图像的冗余性是图像处理中最基本的性质之一。在图像处理的很多领域,如图像压缩、修复、分类、检测等应用中,如何有效利用图像的冗余性都是其中的关键问题。为了能有效的利用图像的冗余性,首先需要寻找到足够多的相似点或相似块。因此,如何准确的度量图像的相似性是一个极为重要也非常有意义的课题。本论文即是从图像的相似性度量入手,针对当前噪声块相似性度量中误差较大的问题,在贝叶斯框架下,重点研究了基于统计的双噪声相似性度量模型及其在SAR/PolSAR的降斑和多时相变化检测中的应用,取得了如下的研究成果：(1)提出了一种噪声相似性(noise similarity, NS)的概念,用于改进噪声块的相似性度量,并将其应用于非局部均值(nonlocal means, NLM)滤波器中。噪声相似性的概念表明噪声块之间的相似性不止和信号有关,与其噪声也有关系。基于噪声相似性的概念,本文提出了一种双噪声相似性(double noise similarity, DNS)模型。该模型将图像去噪的问题转化成了两种噪声的抑制问题：一种是外加的加性噪声；另一种是估计误差,即估计值与其真实值之间的误差。前一种对应于去噪问题中的噪声抑制,而后一种则对应于图像细节的恢复。为了验DNS模型的有效性,本文给出了一种迭代的NLM滤波器,在最大后验概率(maximum a posterior, MAP)框架下这两种相似性协同工作。实验表明,本文提出的基于DNS的NLM去噪结果要明显优于其它同类算法的去噪结果。(2)将加性的DNS模型推广到乘性斑点噪声情形中,提出了一种针对于SAR图像的SAR-DNS模型。和加性高斯噪声不同,SAR图像中的乘性斑点噪声是非常复杂的。为了说明这种SAR-DNS模型的有效性,其被用于了SAR图像降斑中。在SAR-DNS滤波器中,斑点噪声的相似性和估计误差的相似性在MAP框架下协同工作达到平衡,使其在斑点抑制的同时也能较好的保持细节。本文还讨论了两种“噪声相似”在SAR图像降斑中的作用,并和相关的滤波算法做了比较。实验结果表明,本文提出的基于SAR-DNS滤波器在SAR图像降斑上的性能比其它同类算法更好。(3)提出了一种基于块相似性度量的SAR变化检测算法SAR-PCD。由于SAR图像中相干斑噪声的干扰,因此降斑过程对于变化检测是非常重要的。但是,在滤波后的图像中依然会有分布不均匀的残留噪声。除此之外,包含有降斑步骤的变化检测结果往往不能通过恒虚警率(constant false alarm rate, CFAR)来调节,而不包含降斑步骤的变化检测算法在强噪声情形下效果又很差。为了克服上述缺点,本文提出了一种改进的SAR图像变化检测框架。这种新框架的主要创新点包括：1)在SAR变化检测中加入了降斑步骤,使得该算法在强噪声情况下也很鲁棒；2)提出了一种新的等效视数(equivalent number of looks, ENL)估计算法,用于估计SAR图像降斑后的ENL3)所提出的基于降斑图像的变化检测结果可以根据不同的CFAR调节。在合成数据和真实数据上的实验都证明了本文提出的SAR-PCD算法的有效性。(4)相比于单极化的SAR数据,全极化的SAR包含的信息更加丰富,应用更为广泛。在本文中,DNS模型被进一步的推广应用于了多极化SAR的环境下中,提出了一种适用于极化SAR环境的PolSAR-DNS相似性,并将其应用于降斑和变化检测中。其中,PolSAR-DNS相似性中的噪声相似性主要用于斑点抑制,而误差相似性主要用于保持细节。最后,在极化SAR降斑和变化检测上的实验都表明,本文提出的PolSAR-DNS相似性比同类型的相似性的结果更好。(5)提出了一种新的基于多层判别式Fisher自编码器(stacked Fisher autoen-coder, SFAE)的SAR变化检测算法。在SFAE框架中,网络的训练包括无监督的逐层特征训练和有监督的微调。这种训练好的网络可以用于单极化/多极化SAR数据集中的无监督实时变化检测。SFAE框架的创新点主要包括两个方面：一是将栈式自编码器推广至乘性斑点噪声环境下的SAR变化检测中。另一个创新点是,通过引入Fisher判别项,确保SFAE网络提取到的特征是有利于分类的。在合成数据和真实数据集上实验都表明SFAE算法在多时相的单极化/多极化SAR变化检测上有很明显的优势。具体来说就是,所提出的SFAE算法能在检测准确度上远高于其它实时的检测算法,而在计算复杂度上又远低于其它的非实时算法。