合成孔径雷达是一种高分辨率成像雷达,作为一种新型的遥感技术,因具有全天候、全天时对地球表面进行观察的能力以及高空间分辨率的特点,使得SAR在军事和民用方面发挥着越来越大的作用。随着合成孔径雷达技术应用的日益发展,合成孔径雷达数据收集能力越来越强,人工解译难以适应数据的高速增长,利用计算机及模式识别技术对这些图像进行自动或半自动快速、准确地解译可以极大提高数据处理的效率,无论是在军事还是在民用领域都具有很好的发展前景及应用价值。由于SAR的成像机理,不但SAR图像中存在相干斑噪声,而且不同的地形特征会在图像中呈现一些特殊的现象,使得SAR信息处理非常困难。因此,如何对SAR图像数据做出快速而准确地解译,是目前迫切需要解决的一个难题。　　本文根据SAR图像自身的特点,主要在SAR图像降噪、图像分割两方面提出了改进算法,取得了较好的效果。文章的主要工作如下:　　1)对SAR图像斑点噪声模型作了深入研究,以具有平移不变性和多方向选择性的双树复小波变换为基础,提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的SAR图像斑点噪声滤波方法,并在真实SAR图像上进行了实验验证,与LEE滤波、KUAN滤波、小波硬滤波、小波软滤波各算法作了比较,给出了定性和定量的实验结果,揭示出本文算法在去除噪声的同时保留了图像的细节信息的特点。　　2)介绍了支持向量机分类理论及其在图像分割中的应用,将基于SVM的分类应用到SAR图像分割,根据SAR图像的特点提出了一种将灰度、方差、复小波纹理和支持向量机(Support Vector Machine,SVM)相结合的SAR图像分割算法。由于利用双树复小波变换提取SAR图像的多尺度多方向纹理信息,作为SVM的特征信息进行SAR图像二类或多类分割,比利用光谱或小波纹理分割效果都要好,并有效的克服了斑点噪声。　　3)将基于t-混合建模的EM算法的分割方法应用到SAR图像中。采用多元t-混合模型对SAR图像建模,然后根据EM算法估计混合模型的参数进而对SAR图像进行分割。因为t混合模型的稳健性,所以分割方法能有效地融合灰度、均值、标准差、高阶矩、纹理等特征,本文采用具有多方向性多尺度的复小波纹理结合灰度、均值以及方差特征,能较好地分割出SAR图像中的目标。