合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动的遥感观测系统,由于其辐射的电磁波所具有的独特性质使得这种成像方法不受光照,天气等的影响,可以全天时全天候实现对地观测,在军事和民用领域得到广泛应用。随着计算机技术的发展,自动化的目标识别技术被用在越来越多的场合。但是雷达系统的相干成像机制使得获取的SAR图像含有很强的相干斑噪声,这种乘性噪声严重破坏了图像的信息内容,从而导致对SAR图像的解译,识别变得相当困难,因此非常有必要对SAR图像的相干斑进行抑制。尽管近30多年来各类降斑技术取得了很大的发展,但是这些算法很难在SAR图像相干斑噪声抑制与图像的边缘细节、结构、辐射特性保持之间取得平衡。随着对降斑后的SAR图像的质量要求越来越高,因此需要设计更强有力的算法对SAR图像进行降斑处理。由于近年来稀疏表示理论研究取得的巨大进展以及非局部均值算法在图像处理中的成功应用,本文在分析SAR图像相干斑统计特性的基础上,提出了基于稀疏表示和非局部均值技术的SAR图像相干斑抑制算法及其改进算法,主要工作如下:分析了近年来在图像处理中得到广泛应用的稀疏表示模型和非局部均值算法,鉴于非局部逼近稀疏表示模型在自然图像处理中的优良性能,我们将其推广应用于SAR图像的处理当中。由于SAR图像的乘性相干斑与自然图像的加性高斯噪声在分布特性方面有着很大的不同,为了验证SAR图像是否适用于该模型,我们先做了初步的统计实验与分析。将进行过对数变换的原始SAR图像划分成重叠的子图像块,并对这些子图像块应用K-means聚类算法和主成分分析算法学习得到一个冗余字典,接着对含噪子图像块进行自适应稀疏编码和使用非局部均值算法估计无噪SAR图像子块的稀疏编码系数估计值,并用迭代阈值收缩算法得到降噪后的编码系数。在逆变换回对数域后,我们又对对数域SAR图像进行了偏差纠正,以提升降斑效果。鉴于对数变换后SAR图像的噪声并不严格符合高斯分布,在原非局部逼近稀疏表示模型中所使用的高斯相似性度量用在对数域的SAR图像处理当中是不合适的。我们在讨论对数域SAR图像噪声分布特性的基础上,基于广义似然比准则推导了一种新的相似性度量公式,实验证明了这种改进取得了良好的效果,尤其在SAR图像视数较低的情况下效果尤其明显。对于本论文中提出的降斑算法,我们都进行了模拟相干斑图像和真实SAR图像的测试,并使用了多个评估准则和对比算法来验证其降斑性能以及图像的细节信息保持能力,实验结果证明了我们所提算法的有效性。