SAR图像受到相干斑点噪声(乘性噪声)的影响,图像信噪比低(通常小于1),若对斑点噪声抑制不当,会直接影响后续处理。小波分析是继Fourier分析之后的一种新的调和分析方法,在信号处理和图像处理领域得到的非常成功的应用。众所周知,小波基函数对含有点状奇异性的目标函数而言是最优的基函数,在分析这类目标时小波系数是稀疏的,但对具有高维空间中具有线状奇异的函数,小波系数的表示则不再稀疏。换句话说,在高维情况下,小波分析不能充分利用数据本身所特有的几何特征,因此并不是最优的或者说“最稀疏”的函数表示方法,不能够很好地挖掘图像中轮廓细节信息。为了解决这一问题,多尺度几何分析(Multiscale Geometric Analysis,MGA)的思想应运而生。MGA致力于构建最优逼近意义下的高维函数表示方法。本文重点讨论了一种新的多尺度几何分析工具-Wedgelet,并在此基础上提出了一种基于Wedgelet和复小波变换(CWT)的SAR图像斑点噪声抑制算法(Wedgelet-CWT)。该方法一方面可以充分利用Wedgelet对图像边缘信息的良好逼近特性在去噪中保持较好的细节信息,另一方面用复小波变换可以捕获原始图像中的纹理信息,在去除噪声的同时有效地保持了图像的纹理和方向边缘信息。通过对图像分别加载不同标准差的高斯白噪声,并用PSNR和NSNR两项指标对处理后的图像进行评价,实验结果表明,Wedgelet-CWT噪声抑制算法,对加性噪声均有一定的抑制能力。