合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时、高分辨率和穿透力强等特点,因此,SAR在军事方面和民用方面都得到了广泛的应用。但是,由于SAR系统是微波相干成像,SAR图像在获取的过程中受到了斑点噪声的影响。斑点噪声的存在大大降低了SAR图像的分辨率,影响了后续的处理与解译。因此,如何抑制SAR图像中的斑点噪声非常重要。通过分析SAR图像的斑点噪声模型和统计特性,结合稀疏表示理论和低秩逼近理论,本文提出了几种新的SAR图像降斑算法。本文主要包括以下三个方面:1.提出了一种基于聚类和提升字典学习的SAR图像降斑算法。考虑到图像中具有大量相似结构的图像块,利用K均值聚类算法,构造相似图像块集合。为了充分挖掘图像块中包含的纹理细节信息,本章利用主成分分析法,提取各个相似图像块集合的主成分分量,构造相应的PCA字典。以PCA字典为初始字典,采用提升字典学习算法对相似图像块进行稀疏表示与重构,得到最终的降斑结果。2.提出了一种基于结构相似度校正聚类的稀疏表示SAR图像降斑算法。利用方向波变换的多方向性和各向异性,在方向波域对SAR图像进行斑点噪声估计。考虑到相似图像块不仅仅存在于同一尺度的图像中,不同尺度的图像中也包含大量的相似图像块,本章通过对SAR图像进行方向波变换来获取不同尺度的图像块,并采用一种基于结构相似度校正的聚类算法对图像块进行类别划分。最后,利用基于聚类的稀疏表示算法对每类图像块进行稀疏表示和重构,得到最终的降斑结果。3.提出了基于改进的空间自适应迭代奇异值阈值的SAR图像降斑算法。考虑到相似图像块集合具有低秩性的特点,本章利用奇异值分解对SAR图像进行低秩逼近重构,进而达到降斑的目的。在降斑的过程中,为了更好的保留图像中的纹理信息,以原始图像的梯度直方图作为参考,通过约束更新后图像的梯度直方图来达到纹理增强的目的。该方法不仅能够很好的抑制图像中的斑点噪声,且可以很好的保留图像中的点目标和纹理信息。