当前，机载和星载SAR的应用面非常广阔，其横向分辨率逐年提升，由早期的数十米提升到米的级别，其应用领域也愈加广泛，20世纪60年代SAR雷达主要为机载雷达，七十年代末则出现了星载SAR。SAR雷达已经被广泛的运用在军事和民用领域，例如战场侦察、目标识别、对地攻击、地形测绘、海洋观测、农作物评估、灾情预报等。

对SAR雷达来说，只有保证足够长的合成孔径长度，才能提高其横向分辨率，相应的需要增加信号相关积累时间，对图像处理也提出了更多的要求。SAR 成像后的复图像数据精度高、动态范围大，包含了目标背景的相位信息，这为提高图像信噪比、空间分辨能力提供了基础。研究 SAR 复图像增强处理方法，提高图像品质，可以为后续的处理提供数据支持。为了提高图像质量，研究人员提出了很多高性能的图像处理算法，但不可否认的是，高性能的算法往往意味着计算量庞大、时间复杂度高。

针对SAR图像算法的改进，有不少利用极化信息的相干斑抑制算法，如20世纪90年代的Zebker的权功率(span)法[3]。另一部分研究人员选用了小波分析。小波的多分辨分析(MPA)特性，在降噪过程中使它既可以有效地抑制噪声，又可以很好地保持图像的大体轮廓特征[4]。Mallat,Witkon,Donoho[5]等几位小波学家也先后提出了小波域内去噪的技术，尤其是1995年Donoho提出小波软阈值去噪方法，由于它的简单有效，一经提出就得到了极大的推广。针对小波阈值算法，来自厦门大学的池明旻团队对其进行改进，针对不同频率噪声选择不同阈值，并做高斯近似，以提升去噪性能[6] 。同时还有一部分研究人员则对复图像的边缘检测进行优化与改造。

除了对算法进行优化，一部分研究人员对图像处理平台入手，通过并行化改造以提升复图像的处理速度。来自西安电子科技大学的张文科选用DSP平台进行硬件并行化改造，通过DSP与FPGA芯片对图像处理的良好支持以提升处理速度[7]。针对计算机平台，OpenMP则可以通过软件的方式，实现SAR复图像的并行加速计算[8]。

随着 GPU 与 CUDA 的发展，通用并行计算在图像处理领域受到越来越多的重视，研究人员希望提出新的算法或者在原有算法基础上改造，以适应 GPU 平台的高度并行性，以此实现图像处理的加速，这也成为未来研究领域的一个重要方向。