卫星遥感传感器获取的部分遥感图像由于气候的原因会产生不同程度的云覆盖,大大降低了遥感图像的利用率、影响其后期处理和应用。对此类遥感图像进行云层去除,能有效提高卫星图像的利用率和可用性,也是遥感图像预处理中一个十分重要的研究方向。本文针对目前应用较为广泛的陆地(Landsat)系列卫星和环境一号(HJ一1)系列卫星获取的含薄云遥感图像,提出了三种有效的薄云去除算法,主要内容包括以下几个方面：1.阐述了薄云去除研究的目的和意义,介绍了Landsat系列卫星和环境一号A、B卫星成像传感器的主要参数,分析了薄云去除算法的国内外研究现状,以及对偶树复小波变换和支持向量机理论。2.提出一种基于对偶树复小波变换的遥感图像薄云去除算法。该算法是将含薄云的遥感图像进行多层对偶树复小波变换,使得低频系数中主要为薄云信息,高频系数中主要为地物信息。通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地面信息。实验结果表明,该方法能有效去除薄云且具有较快的运算速度。3.提出一种基于多方向对偶树复小波变换和迁移最小二乘支持向量回归的遥感图像薄云去除算法。在对偶树复小波变换基础上,结合方向滤波器组构建了多方向对偶树复小波变换；根据迁移学习及最小二乘支持向量回归理论构建了迁移最小二乘支持向量回归模型；借助与原始含云图像同一位置的清晰多源多时相卫星图像,使用迁移最小二乘支持向量回归对原始含云图像的低频系数进行填充,原始图像经多方向对偶树复小波分解后的高频系数采用自适应增强函数进行增强,将处理后的高低频系数重构后获得清晰无云的图像,有效地降低了地物信息的损失。4.提出一种基于多方向对偶树复小波变换和迁移孪生支持向量回归的遥感图像薄云去除算法。根据孪生支持向量机和迁移学习理论构建了域自适应迁移孪生支持向量回归模型。由于卫星传感器获取遥感数据具有一定的周期,在获得的可用同一位置多源多时相遥感图像中,地物信息不可避免地会发生一些变化,此算法采用基于分类的变化检测算法对原始图像和多源多时相图像进行地物变化检测,对未发生变化的区域进行迁移孪生支持向量回归的方法预测该区域中的低频系数,对于发生变化的区域则对原始图像该区域进行对偶树复小波分解,采用自适应增强函数增强高频并抑制低频,最终重构得到清晰无云图像。