SAR图像斑点噪声的存在严重影响了图像的质量，必须在解译和分析前要对其进行去除；SAR图像和光学遥感图像所反映的地物信息差别很大，影像融合技术能综合二者信息，发挥出更大优势。本文针对以上两个方面，对SAR图像斑点噪声去除和多源遥感数据融合算法进行了研究。1．SAR图像去噪算法研究。首先介绍了斑点噪声产生机理、模型和统计特征，对常用的图像滤波器进行了分析。针对斑点噪声的乘性模型特点，构造了一种基于小波分析的滤波器：对SAR图像进行对数变换，利用小波变换对对数图像进行滤波处理，再通过指数变换得到去噪图像。本文提出了一套比较完整的滤波器性能评价指标体系，并利用其对各种滤波器进行评价和比较。通过对JERS-1 SAR图像的各种滤波图像进行了目视评价和指标比较，得出如下结论: (1)各种空间滤波器受滤波窗口的影响很大，5×5大小的滤波窗口滤波效果较好；(2)对比各种常用的空间滤波器，增强的Frost滤波器、增强的Lee滤波器和Gamma-MAP滤波器在去噪和纹理、结构特征保持方面效果最好；(3)小波滤波方法在保持SAR图像纹理细节方面表现出了很好的优势，还有待进一步研究。2．多源遥感数据融合。对多源遥感数据融合的理论和常用方法进行了回顾。提出了一种基于二进制小波分析的融合方法，对正交和双正交小波用于小波融合进行了详细分析，深入研究了小波基长度和小波变换分解层数对融合效果的影响。在提出了一套较完整的影像融合的评价指标体系后，利用各种融合方法进行了三种不同影像与TM影像间的融合试验：JERS-1 SAR图像与TM影像的融合；ERS-2 SAR图像与TM影像的融合；SPOT-5与TM影像的融合。利用评价指标体系对各种融合结果进行了评价和比较，结果表明：(1)对于SAR图像与TM多光谱影像融合，与传统的融合方法相比，小波融合方法不仅能很好地保持SAR图像的纹理、结构信息，而且在TM光谱特征保持方面优势明显；(2)小波融合方法可以根据不同应用要求选取不同的小波基和小波变换分解层数，从而调整融合结果中SAR图像信息和TM信息的分配，使用十分灵活；(3)对三种不同影像间的融合都取得了很好的效果，表明小波融合方法对不同数据的适应性很强。