高光谱遥感是一种“图谱合一”的探测技术,能够同时获取地物丰富的空间信息、辐射信息和光谱信息。近年来,高光谱遥感技术快速发展,在环境保护、灾害勘察、农业监测等领域中发挥了至关重要的作用。然而,由于天气环境的影响,高光谱遥感图像获取时易受到云雾遮挡,即地表反射光经过云雾时发生散射,导致获取到的高光谱图像数据缺失部分地表信息,图像的清晰度与对比度下降,严重影响了后续图像解译性能。国内外关于高光谱图像去雾的研究尚处于起步阶段,传统面向彩色图像与多光谱图像的去雾方法受限于去雾机理,难以实现高光谱图像云雾的有效去除。基于图像处理的去雾方法旨在通过直方图均衡化、对比度增强等图像处理手段改善图像细节、增强比度,改善图像质量,并未考虑到云雾情形下高光谱图像的退化机理,难以精确复原被云雾遮挡的图像空谱信息。此外,现有基于物理模型的去雾方法是多基于图像所有波段云雾衰减系数为常数的假设,并未考虑不同波长高光谱图像谱段衰减系数不同的问题,去雾性能严重受限。针对以上难点,本文构建了国际上首个真实高光谱遥感图像去雾标准数据集,并在此基础上提出了两种针对高光谱数据的遥感图像去雾方法。本文的主要研究内容如下:1)通过对高光谱遥感图像成像方式的分析,发现高光谱带雾图像与传统彩色带雾图像相比不仅包含了地表反射光和全球大气光,还包含了云雾反射信息。并深入分析了高光谱图像不同波段在云雾影响下的退化特性,发现可见光光谱区间波段的云雾去除是高光谱图像去雾的关键。基于上述发现,本论文提出了一种基于雾频域特性的同态滤波快速高光谱图像去雾方法。该方法将高光谱数据中的可见光波段进行逐波段的同态滤波处理,实现了低频云雾信息与高频地物反射信息的有效分离,再通过波段差值图估计透射率和大气光,利用大气散射模型实现了高光谱图像的有效去雾,在增强图像空间细节的同时很好的保持了地物的纹理信息。2)阐明了高光谱图像的光谱与空间信息退化机理,建立了高光谱图像云雾退化模型,即带雾高光谱图像可以表示为地物成分与云雾成分的线性组合。在此基础上,提出了基于可见光和近红外波段差分的雾浓度估计模型,利用该模型提出了退化模型引导的高光谱图像快速去雾方法,通过退化模型求逆实现了云雾的有效去除。并在构建的高光谱去雾数据集中进行测试,与计算机视觉和遥感领域的现有方法相比,该方法能够更好的去除云雾,实现了云雾掩盖下地物光谱的精确重构。3)基于本文所提出的云雾退化模型引导的高光谱图像去雾方法成果,采用Py Qt5应用框架,开发了Python3.6环境下的高光谱遥感图像去雾软件,并在真实高光谱遥感数据上进了软件测试。