图像去噪是图像处理域的一个重要课题,其目的就是从被噪声污染的图像中最大限度的恢复出干净的图像,在图像去噪时,应尽可能多的保持图像的边缘、纹理和结构信息。合成孔径雷达(SAR)图像因其具有全天时、全天候的优点而被广泛应用到各个方面。SAR图像变化检测就是对同一地区不同时间段的两幅SAR图像进行分析比较,提取出变化信息。SAR图像变化检测在自然灾害的预测与评估、城市规划、植被覆盖及军事目标检测等方面具有重要的应用。本文主要研究了如何在空间域和变换域对自然图像进行去噪;在SAR图像变化检测中,如何对差异图进行融合,以及如何融合初始变化检测边缘分类检测结果,以及更有效的检测出边缘的变化信息。其主要工作如下:1.提出了一种基于空间域和变换域共同对自然图像处理的混合双域去噪方法。该方法对传统的联合双边滤波核的空间核和范围核分别分析并进行了改进,在空间核中将衰减因子与滑动窗半径联系起来,在范围核中加入修正项以获得良好的去噪效果。首先,在空间域利用改进的联合双边滤波对输入的自然图像进行联合指导滤波得到空间域处理结果,然后计算滤波前后的残差图像并利用约束函数对其进行约束;其次,将约束后的残差图像通过短时傅里叶变换变换到频域,并对频域系数进行小波阈值收缩后并逆变换得到频域处理结果;最后,将空间域的处理结果与频域处理结果进行融合,并将结果作为指导图像再次对含噪自然图像进行迭代指导滤波以减弱振铃效应。将本文方法与一些常用的自然图像去噪方法进行了比较,证明了本方法在主观上和客观指标上都取得了较好的效果。2.提出了一种基于融合差异图和边缘分类的SAR图像变化检测方法。在本文的方法中,首先,对两图像进行预处理,分别计算差值差异图和对数比值差异图,并分别进行滤波处理,然后利用本文的融合方法将两差异图进行融合并谱聚类得到初始的变化检测图;其次,对两时相图像分别进行Primal Sketch分类得到两时相图像的边缘类和非边缘类的边缘分类图,根据边缘分类图中的边缘对两时相图像的边缘分别进行K-means聚类,对聚类后的类标检测边缘的变化信息;最后,对初始的变化检测图与边缘类变化检测图进行融合,得到最终的变化检测结果。通过三组不同来源的SAR图像对本方法进行了分析比较,验证了方法的有效性。