合成孔径雷达(SAR)作为主动寻的探测设备，在对地观测中发挥着重要作用，是陆海情报的主要来源之一，能够为指挥决策提供强有力的支持。由于SAR相干成像特性，SAR图像中固有的相干斑和地物电磁散射特征是SAR图像的解译和应用的分析基础。从SAR图像目标的特点和表现形式，以及信号稀疏性分析的发展来看，稀疏表示技术在SAR图像处理的理论和应用领域具有广阔的应用前景。开展基于稀疏表示的SAR图像处理关键技术研究，对于提高SAR图像处理和解译水平，推广SAR图像在民用及军事领域的应用具有深远的意义。本文利用稀疏表示理论对SAR图像相干斑抑制、目标检测和变化检测进行了深入的研究。本文主要工作总结如下：第二章研究内容：提出了K-OLS超完备字典的构造算法，并应用于SAR图像相干斑抑制。K-OLS超完备字典的构造算法利用基于K均值聚类的向量量化原理和正交最小二乘算法(OLS)，通过分步优化字典原子和变换系数自适应构造了超完备字典。SAR图像相干斑抑制算法，首先利用获得的K-OLS超完备字典将图像局部信息投影到高维空间中，实现图像的稀疏表示；其次运用正则化方法建立多目标优化模型；最后通过对优化问题的求解重建SAR图像场景分辨单元的平均强度，从而实现了SAR图像的相干斑抑制过程。实验结果表明，算法对相干斑噪声有很好的抑制效果。第三章研究内容：提出了SAR图像稀疏表示的多元稀疏优化模型，并将其应用于SAR图像相干斑抑制。针对SAR图像点、线、面的结构特征，本文运用具有点奇异性的小波、具有线奇异性的剪切波、具有面奇异性的K-OLS字典，通过正则化方法建立了多元稀疏优化模型。SAR图像相干斑抑制算法通过对多元稀疏优化模型的求解，重建SAR图像场景分辨单元的平均强度，实现了SAR图像的相干斑抑制。实验结果表明，该算法对SAR图像相干斑噪声具有很好的抑制效果，且相比于K-OLS方法，该算法具有增强图像纹理细节特征的优点。第四章研究内容：针对SAR图像中感兴趣目标的稀疏性，(1)提出了基于超完备二维离散傅里叶变换字典的SAR图像自动目标检测算法。基于超完备字典学习的稀疏表示建立在过完备基础上，具有较强的数据稀疏性和建模稳健性。该算法首先通过构造超完备二维离散傅里叶变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示；然后利用随机矩阵获得稀疏域局部特征的压缩采样，并对多组采样数据运用聚类算法并行处理；最后通过符号检验法，实现了对目标像素与背景像素的分类。实验表明，算法对硬目标具有较好的检测效果；(2)从反问题的角度，提出了基于理想点散射中心模型的无监督SAR图像目标检测算法。算法首先通过散射中心模型构造超完备字典将图像目标信息投影到频率-方位角二维空间中，实现图像的稀疏表示；其次运用随机矩阵得到了数据压缩域特征子空间；最后利用聚类算法和概率投票方法进行像素分类，实现SAR图像目标的检测。实验结果表明，算法不仅能够很好的检测出SAR图像的目标，而且对相干斑噪声具有很好的鲁棒性。第五章研究内容：针对SAR图像变化检测的鲁棒性问题，(1)提出了基于改进K-SVD的SAR图像变化检测算法。算法首先通过构造超完备字典将图像局部信息投影到高维空间中，实现图像的稀疏表示；其次运用随机矩阵得到了数据在高维空间中的低维特征子空间；最后利用模糊聚类算法进行无监督聚类，实现SAR图像变化区域信息的重构。实验结果表明，算法不仅能够很好的检测出图像的区域变化，而且对噪声具有很好的鲁棒性；(2)针对图像的二维信号特性，给出了二维信号的压缩感知框架，并将其应用于SAR图像变化检测问题。提出了基于散射中心模型的SAR图像变化检测算法。算法首先通过点散射中心模型获得SAR图像局部特征的稀疏表示；其次运用二维压缩感知理论进行压缩采样；最后利用模糊聚类算法进行无监督聚类，实现SAR图像变化区域信息的重构。实验结果表明，算法具有较好的检测性能和噪声鲁棒性。