随着遥感技术的不断发展，遥感图像的应用越来越广泛。然而，遥感图像在获取和传输的过程中不可避免地会引入噪声，严重降低了遥感图像的质量，缩小了遥感图像的应用范围。准确地对遥感图像中的噪声强度进行估计，可以为后续图像处理算法和实际应用提供先验知识。目前，已有大量的文献针对遥感图像中噪声估计问题进行了研究并提出了多种不同类型的噪声估计方法。然而，在实际应用中，当图像地物场景比较复杂、噪声强度较大时，现有的噪声估计方法通常会出现较大的偏差。此外，如何准确、自适应地针对不同高光谱遥感图像中存在的不同类型的噪声进行估计，也是目前亟需解决的问题。为此，本文分别针对常规遥感图像中存在的加性噪声和高光谱遥感图像中存在的加性或加性-乘性混合噪声估计的问题进行了研究，并对遥感图像噪声估计的相关应用进行了分析和讨论。本文所做的主要工作和创新性成果如下:　　(1)针对常规遥感图像噪声估计方法中同质图像块选取和噪声标准差计算步骤进行了深入研究，提出了一种基于多方向边缘检测的同质图像块选取算法和基于空间邻域去相关的噪声标准差计算算法。在同质图像块选取算法中，首先通过一组多方向的滤波窗口对图像中的边缘进行检测，然后在边缘检测结果中进一步区分图像中的边缘信息和噪声，进而准确地选取出同质图像块。在噪声标准差计算算法中，利用同质图像块中空间邻域像素点对待处理像素点进行拟合，而残差值则被认为是噪声，以此进行噪声标准差的计算。通过空间邻域去相关法计算噪声标准差，可以在一定程度上削弱选取出的同质图像块中残留的图像结构信息对于噪声估计结果的影响，提高噪声估计的精度。　　(2)针对常规遥感图像噪声估计方法中图像块划分的步骤进行了研究，提出了一种噪声鲁棒的超像素分割算法。本文在超像素分割算法中引入了空间邻域信息，并根据邻域内各像素点的贡献大小对其赋予不同的权重值，使得在噪声强度较大的遥感图像中也能得到准确的分割结果。利用超像素分割算法进行图像区域划分，可以最大程度的保证所划分图像区域内部的同质性。通过自然图像和真实遥感图像进行实验，验证了基于超像素分割的噪声估计方法可以准确地针对地物场景比较复杂、噪声强度较大的遥感图像进行噪声估计。　　(3)针对高光谱遥感图像中存在的加性噪声或加性-乘性混合噪声，提出了一种基于光谱-空间信息的高光谱遥感图像噪声估计方法。首先结合图像的光谱信息和空间信息，提出了一种新的高光谱遥感图像同质区域选取算法。然后根据高光谱遥感图像同质区域内图像信号在空间和光谱上的强相关性，采用多元线性回归模型对同质区域内图像信号和噪声进行分离。最后利用散点拟合法对图像中加性噪声和乘性噪声的方差进行计算。实验结果表明，本章方法能够准确地针对不同复杂程度、不同噪声强度的高光谱遥感图像进行噪声估计，且同时适用于图像中的加性噪声或加性-乘性混合噪声。　　(4)针对遥感图像噪声估计的相关应用，从三个不同的方面进行了研究和讨论。其一，研究了遥感图像噪声估计和去噪算法的关系。利用不同复杂程度的遥感图像进行实验，对于图像噪声强度不同的情况下噪声估计值和双边滤波去噪算法中参数设置的关系进行了研究。其二，提出了一种基于噪声估计的遥感图像之间信噪比比较准则。利用遥感图像的辐射定标系数将图像灰度值转换为遥感器成像时的入瞳辐亮度，并在统一的辐亮度范围内进行遥感图像之间信噪比的比较。其三，研究了遥感图像信噪比对测绘卫星高程定位精度的影响。研究中采用数字仿真的方法，定量分析了遥感图像信噪比和测绘卫星高程定位精度之间的关系。