گاهی در مطالعات آماری با داده هایی سر و کار داریم که مستقل از هم نیستند و وابستگی آنها ناشی از مکان و موقعیت آنهاست، این گونه داده ها را داده های فضایی می نامیم. در این پایان نامه برآنیم تا ویژگی های مدل arma فضایی و بعضی روشهای معروف پردازش تصویر بر اساس برآورد نیرومند پارامتر مدل های اتورگرسیو فضایی را توضیح دهیم. گاهی یک تصویر ممکن است به دلایل گوناگونی مخدوش و یا معیوب شود و ما علاقه مند به پردازش و بازسازی قسمت های مخدوش باشیم. از آنجا که مدل های arma فضایی برای مدل بندی تصاویر ماهواره ای و داده های زمین شناسی مناسبند، می توانیم با برازش یک مدل فضایی به تصویرقسمت های مخدوش را پردازش و فیلتر کنیم. در روش های سنّتی، برای فیلتر کردن تصاویر از فیلترهایی مانند میانگین و میانه استفاده می شد اما برازش مدل برای پردازش و فیلتر کردن روش نوینی است. برای پردازش و فیلتر کردن تصویر با مدلبندی، احتیاج به برآورد پارامترهای مدل داریم، اما از آنجا که این تصاویر گاهی توسط داده های پرت جمعی و نوساز آلوده شده اند، برای برآورد پارامترها بهتر است که به جای استفاده از برآوردگرهای معمولی مانند ls، از برآوردگرهای نیرومند استفاده کنیم. برآوردگرهای نیرومند مطالعه شده در این پایان نامه عبارتند از برآوردگرهای نیرومند m وgm و ra. برآوردگرهای ra از برآوردگرهای m و gm نیرومند تر هستند و نسبت به داده های پرت از خود مقاومت بیشتری نشان می دهند. در پایان با چند مثال کاربردی نشان می دهیم که برآوردگرهای نیرومند ra در مقابل داده های پرت جمعی مقاوم هستند و در فیلتر کردن تصاویر بهتر از برآوردگرهای ls و m و gm و فیلتر های میانه و میانگین رفتار می کنند.