随着遥感技术的飞速发展,遥感图像的应用也随之变得越来越广,在此应用过程中,人们对遥感图像质量的要求也随之变得越来越高。事实情况是,在雾天情况下,光学遥感图像的质量会受大气中的浑浊因子(微粒、粉尘等)影响而严重退化,从而会造成景物辨识程度的大幅度下降、图像细节信息变得失真不明显以及色彩偏移等现象。人眼对遥感图像的感观质量会因此下降,直接影响了目标识别、遥感导航、土地测绘等系统作用的发挥。因此,对于遥感图像进行去雾的技术的研究是十分必要的。本文旨在解决雾天遥感图像的质量退化问题,由雾霾天气下图像退化的原理入手,深入挖掘了雾天图像的某些特性。本文将引入亮通道先验原理,结合了亮通道与暗通道共同来获得去雾图像,并通过实验结果证实了本文方法在去雾有效性和保留原图像结构信息上优于暗通道经典去雾方法。最后将引入OpenCL编程对图像进行并行实现与优化。本文主要的工作如下所示:(1)首先,了解雾、霾天气形成的主要原因,以及雾、霾天气对空间遥感图像的影响。然后描述了大气散射模型中的一系列模型内容,为研究空间遥感图像去雾创造了良好的理论基础。(2)详细的剖析了暗通道(DCP)先验算法和DCP先验算法如何分步获取最后的无雾图像。而后分析了暗通道算法在实际应用中的一些弊端并依此提出了亮通道(BCP)先验的理论。(3)提出了本文的算法,对暗通道算法提出改进,解决了改进后亮暗原色获取的问题,接着通过DCP与BCP相结合的方法求取大气光值A,而后求取透射率并对其优化。然后获取无雾图像,并且对去雾后图像进行亮度调整。最后将结合图像质量评价体系,将本文的算法与其他的算法进行比较,证明了本文提出的算法在一定的程度上优于其他的算法。(4)为解决以上提出的算法运算量大、执行速率较差的问题,本文将运用OpenCL技术对此算法进行并行计算处理,同时在GPU和CPU平台上进行仿真实验。以此基础上,本文还详细的分析了本文的算法中每个步骤的可并行程度,对于不合适的步骤进行拆分改造并进行优化。利用OpenCL编程对算法进行了并行实验,加快了算法的运行实现速度,对后期的工程应用打下了坚实的基础。