相位解缠是处理由合成孔径雷达干涉测量、散斑干涉测量和磁共振成像等技术得到的相位数据的重要步骤。在进行相位解缠时，必须确定发生相位折叠的位置。因此，识别相位不连续点是相位解缠过程中关键的一步。测量得到的相位数据会沾染上各种噪声，例如散斑噪声和脉冲噪声等。噪声的存在令相位不连续点的识别更具有挑战性。含噪相位图的解缠可以通过先去噪声再解缠的两步式方法完成，也可使用具有抗噪性的相位解缠方法一步完成。本文立足于相位解缠背景，主要研究图像去噪和相位不连续点检测两个问题。　　本文第一部分工作围绕图像去噪展开。针对随机脉冲噪声滤除，本文提出了一种两阶段的非线性噪声滤除方法，并设计了两种算法，第一种算法通过串联的两个阶段检测和纠正噪声，其中第一阶段用两个近邻像素子集的统计量检测噪声，第二阶段基于四方向像素差来值检测被第一阶段遗漏的噪声，两阶段分别使用两种不同的自适应中值来代替噪声像素值。第二种算法同样采用两阶段的噪声检测和滤除，各阶段依据图像局部的结构和图像不同位置的噪声特性进行噪声检测和纠正。与第一种算法所不同的是，每个像素在两阶段中都被检查一次，无论其是否在第一阶段被检测为噪声像素。这样做的动机是第一阶段有可能误检和漏检，因此第二阶段用来修正第一阶段的滤波结果，同时此阶段有向不一致性恢复图像边缘信息。我们将所提算法与现有的几种图像滤波除噪方法进行了实验比较。实验结果表明，本文设计的算法在噪声滤除效果、图像边缘保持和处理时间等方面具有一定的优势。　　本文第二部分主要研究相位不连续检测问题。我们将相位不连续点检测看成模式识别中的分类问题，设计了一个简单有效的分类框架来检测含噪折叠相位图中的相位不连续点。该框架分为特征提取、分类和细化三步。我们首先设计了六种有针对性的特征刻画相位不连续点和连续点的不同特性，然后使用朴素贝叶斯分类器基于这些特征对每个像素进行分类，分为相位不连续点和连续点两大类，最后在二值的分类结果图上进行细化操作得到一个像素宽的相位不连续点指示图用于后续的相位解缠。为了验证所提方法的效果，我们在不同性噪比的仿真包裹相位图上进行了相位不连续点检测实验，并与基于图像边缘检测的相位不连续点检测方法比较。实验结果表明，所提方法可以很好得识别包裹相位图中的相位不连续点，具有很好的抗噪性。