合成孔径雷达(SAR)是一种主动成像的系统,SAR图像由地物对电磁波反射成像而得,由于其具有全天时、全天候、强穿透力等优点,在军事和民用建设中具有广泛的用途。随着SAR图像空间分辨率不断提高,数据量也跟着剧增,这样便造成了有限的信道容量与传输大量数据的需求之间的矛盾,也给SAR图像的长期存储以及进一步的应用带来了困难,因此设计高效的SAR图像压缩算法成为发展先进SAR系统的一个重要研究方向。本文针对SAR空间结构相关性和极化SAR图像的极化间相似性,研究探讨了基于三维小波变换、自适应多尺度变换、字典学习稀疏表示和超分辨率重建的有效压缩算法,主要工作包括：(1)针对SAR图像的统计特性,分析了SAR图像的空间相关性、相干斑噪声、传统小波压缩性能,为选择合适的变换编码进行SAR图像压缩奠定了理论基础。(2)针对SAR图像具有大量相似地物的特性,使用块重排序策略将SAR图像中具有相似地物的子块排列在一起,从而能够更好地去除冗余,并且使用三维小波变换既能去除子块内的相关性又能去除子块间的相关性,最后使用3D-SPIHT编码算法进一步提高SAR图像的压缩性能。实验表明,基于分块重排序后三维小波变换的SAR图像压缩算法具有较优越的压缩性能。(3) SAR图像具有丰富的细节纹理信息和斑点噪声,因此经过Tetrolet变换后的高频系数依然具有较大的幅值,从而严重影响了稀疏表示SAR图像的性能,针对此问题设计了适合于SAR图像的Tetrolet Packet自适应多尺度变换方法,将Tetrolet高频子带系数进行重新排序后,使用熵作为代价函数对不同的高频子带进行不同层次的Tetrolet分解得到Tetrolet最优分解树,从而使系数能量更加集中的同时尽量减少方向信息,以便于后续SAR图像压缩。实验结果表明,Tetrolet Packet变换方法能够提高非线性逼近性能,从而实现用更少的变换系数重构SAR图像,最后探究了Tetrolet Packet和Tetrolet算法应用在SAR图像上的压缩效果。(4)针对SAR图像相似地物具有相似结构的特性,提出基于字典学习稀疏表示的单极化SAR图像压缩算法,使用涵盖不同地物类型的SAR图像集进行字典训练,并将得到的基函数字典用于对其它SAR图像进行稀疏表示；接着根据多极化SAR图像极化间的相似性,提出了基于多层次字典学习稀疏表示的多极化SAR图像压缩算法,并设计了相应的量化熵编码策略,最终完备的实验结果及分析表明基于稀疏表示的压缩算法通过引入大量的先验信息,有效地提高了SAR图像的压缩性能。(5)SAR图像具有很广泛应用需求,不同的应用需求对SAR图像的质量要求也不一样。先将高分辨率的SAR图像进行降质下采样得到低分辨率的SAR图像,从而大大减少压缩后的码流,然后对低分辨率的SAR图像进行压缩编码,最后使用SAR图像边缘结构信息训练得到的基函数字典对低分辨率SAR图像进行超分辨率重建,保留了图像大量边缘结构信息,使其更符合人眼主观质量评判标准。随着SAR图像应用的发展,更多符合人眼主观质量的评价指标将被发现,可以根据失真度量寻找相应合适的超分辨率重建算法来压缩SAR图像。综上所述可知,本文针对SAR图像的相关特性,结合三维小波变换、自适应多尺度变换、字典学习稀疏表示和超分辨率重建理论,提出了多种压缩算法。实验结果表明,各压缩算法均具有良好的性能,能够作为提高SAR图像数据传输和存储效率的有效途径。