极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)具有全天时、全天候对地观测的能力,相比单极化SAR能获取更丰富的地物目标信息,在战场感知、资源勘查、环境监测等应用领域前景广泛。受制于SAR的特殊成像机制,PolSAR图像中不可避免地存在相干斑噪声的干扰。相干斑噪声的存在增加了PolSAR图像解译的难度,降低了后续对图像分类和融合等解译操作的准确性,因此,研究PolSAR图像相干斑去噪算法具有重要的理论意义和实用价值。结构保持去噪是PolSAR图像相干斑抑制面临的难点,针对这一问题,本文总结了多种相干斑去噪方法,深入分析了这些方法的不足之处。在此基础上提出了两种基于非局部均值滤波的PolSAR图像相干斑去噪算法。本文的创新之处在于以下两点:(1)提出了一种基于三维块匹配小波变换的PolSAR非局部均值滤波算法。该算法将基于块匹配的三维非抽样小波变换与结构相似像素选择相结合,增强了图像结构特征的表达,提高了结构相似像素选择的准确性;构建了结构保持权重函数来增大图像结构信息在块相似性度量时的权重;使用Sigma滤波器提取PolSAR数据极化散射特征,将其融入相干斑去噪过程,在实现PolSAR图像结构保持去噪的同时,可有效保持图像的极化散射特征。(2)提出了一种基于双特征聚类的PolSAR非局部均值滤波算法。同质像素集合由同时含有相似结构特征和极化散射特征的像素构成,该算法使用基于块统计距离的Mean Shift聚类方法选择结构特征相似的像素,并使用基于Freeman-Durden散射模型的Wishart无监督分类器选择极化散射特征相似的像素。通过两种自适应聚类的方法,提升了 PolSAR图像同质像素选择的准确性,进一步提高了去噪性能。为了验证本文提出的PolSAR图像相干斑去噪算法的性能优势,利用仿真和实测PolSAR图像进行了对比实验。实验结果表明:相比于其他的PolSAR图像相干斑去噪算法,本文提出的算法在有效地去除相干斑噪声的同时,可以更好地保持图像中的结构信息和极化散射特征。