随着航空航天技术的飞速发展，合成孔径雷达（SAR）不仅广泛的应用在军事上，而且在农业，地理，海洋，气象等领域也有广泛的应用。但是由于SAR是干涉成像，实测得到的图像几乎被speckle噪声完全淹没。如何从严重被污染的图像中恢复出有用信号——即SAR图像斑噪声抑制处理，一直以来都是遥感图像处理的一大难点，同时也是一个热点。 近年来，小波变换作为一种新的信号处理技术，也被应用于斑点抑制。其主要思想是利用小波多分辨率分析的特性，将SAR图像分解，噪声主要集中在高频部分的子图像，然后在这些高频部分子图像里进行斑点抑制。小波的这一特性，使得它在降噪过程中既可以有有效的抑制噪声，又可以很好的保持图像的大体轮廓特征。 1995年Donoho首先提出了小波软阈值的去噪方法，由于它的简单有效，一经提出就得到了极大的推广。但由于没有使用到多分辨率分析中的三个细节子图像中所包含的高频信息来判断边缘和纹理结构，从而使重构图像丢失了这些信息。近年来FUKUDA和HIROSAWA[83]提出了新的基于小波的SAR斑噪声去除算法，充分利用了细节子图像中的高频信息，在噪声平滑和边缘保持方面都比Donoho方法有了很大的提高。 但是用FUKUDA算法处理的SAR图像仍然存在边缘模糊的问题。由于斑噪声的乘性特性，比例边缘检测算法在SAR图像的边缘提取中有着很好的效果。本文尝试将SAR图像的比例边缘检测与小波变换滤波结合起来对FUKUDA算法进行改进，提出了自己的算法。所做的工作主要有： 1. 针对以往斑抑制算法存在的去噪与边缘保持之间的矛盾，提出自己的思想，尝试将SAR图像的边缘图像与非边缘图像分开处理。 2. 用比例边缘检测算法提取SAR图像的边缘，对剩下的含斑非边缘图像用小波进行去噪处理。最后将边缘图像加到去噪后的非边缘图像上，得到最后的处理结果。 3. 将改进算法的处理结果与FUKUDA算法以及其他一些常用的斑抑制算法进行比较，来证明该算法的有效性。并进行一定的分析。 试验结果和数据分析表明，改进后的基于小波的斑噪声抑制算法对SAR图像的去噪增强和大体轮廓保持很有效，因此可以应用在SAR图像的斑噪声处理中。